[發明專利]一種運載機器人手臂操控多層映射智能控制方法及系統

有效

• 申請號: 201710636699.4
• 申請日: 2017-07-31
• 公開（公告）號: CN107414830B
• 公開（公告）日: 2018-03-23
• 發明（設計）人: 劉輝;李燕飛;金楷榮
• 申請（專利權）人: 中南大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 長沙市融智專利事務所43114
• 代理人: 龔燕妮

技術領域

本發明屬于機器人控制領域，特別涉及一種運載機器人手臂操控多層映射智能控制方法及系統。

背景技術

近些年來，移動機器人被廣泛應用于室內運輸，如醫院利用移動機器人運輸醫療設備、超市的服務型機器人、工廠制造環境下的機器人等。而機器人手臂是機器人機械系統的重要組成部分，也是機器人實現其服務功能的主要載體。

機械手臂的控制問題一直是該行業的難點問題。早期，大部分手臂采用PID控制，能夠實現中等以下速度的跟蹤，但是在高精度、快速的場合下，傳統的PID控制并不能滿足其控制要求。在這種情況下，出現了模糊控制、神經網絡控制、模糊神經網絡控制、專家控制等智能控制方法。

如今，神經網絡廣泛應用于機器人手臂控制：通過求解運動學方程來獲得訓練樣本，利用神經網絡建立手臂關節空間坐標與笛卡爾空間坐標的映射關系。然而通過求解運動學方程獲得大量樣本的方法并不實用，而且機器人手臂關節處的電機更換會使得之前構建的神經網絡需重新訓練。因此，機器人的維護存在著極大的不便。基于上述原因，迫切地需要一種更為智能的手臂控制方法。

發明內容

本發明提供了一種運載機器人手臂操控多層映射智能控制方法及系統，其的目的在于，克服上述現有技術中存在的問題，通過建立機器人基座、抓取臺之間距離與機器人手臂姿態之間的映射，避免繁瑣的運動學方程建立；通過從抓取樣本集中隨機選取測試集，獲得在不同運載機器人基座到抓取臺底部邊緣的距離下的最優手臂關節控制值預測模型；輸入不同的運載機器人基座與抓取臺底端邊緣之間的距離，選擇最優手臂關節控制值預測模型對運載機器人手臂關節值進行預測，提高了手臂關節的控制精度。

一種機器人手臂操控多層映射智能控制方法，包括以下步驟：

步驟1：當運載機器人位于指定抓取距離區間內，利用遠程服務器控制運載機器人手臂進行抓取訓練，獲得抓取樣本集；

每個抓取樣本包括運載機器人基座與抓取臺底端邊緣之間的距離和在該距離區間中手臂關節控制值矩陣，所述手臂關節控制值矩陣大小為N*M，N表示運載機器人手臂關節個數，M表示抓取過程手臂動作次數；

每個抓取樣本中包含N個關節的控制值；

步驟2：利用抓取樣本集訓練運載機器人手臂關節控制值預測模型；

將運載機器人基座到抓取臺底部邊緣的距離作為訓練模型的輸入數據，機器人手臂對應所有關節控制值矩陣作為訓練模型的輸出數據，構建各種初始手臂關節控制值預測模型；

所述訓練模型至少包括小波神經網絡模型和Elman神經網絡模型；

步驟3：從抓取樣本集中利用隨機選取不同的運載機器人基座到抓取臺底部邊緣的距離將抓取樣本集劃分為各類距離樣本測試集；

所述距離樣本測試集中所有樣本對應的距離形成的距離范圍覆蓋抓取距離區間；

距離樣本測試集中樣本對應的距離是指抓取樣本中運載機器人基座與抓取臺底端邊緣之間的距離；

將運載機器人基座到抓取臺底部邊緣的距離相同的抓取樣本劃分到同一類距離樣本測試集；

步驟4：構建最優手臂關節控制值預測模型；

依次利用每一類距離樣本測試集中的每個樣本測試各種手臂關節控制值預測模型，以距離樣本測試集中所有樣本手臂關節控制值的預測值和實際值之差的之間的均方差樣本均值最小為選取依據，獲得在不同運載機器人基座到抓取臺底部邊緣的距離下的最優手臂關節控制值預測模型；

步驟5：利用運載機器人基座與抓取臺底端邊緣之間的距離選取對應的最優手臂關節控制值預測模型，得到手臂關節的控制值，輸出運載機器人手臂所有關節的控制值至運載機器人，完成抓取任務。；

當待控制的運載機器人基座與抓取臺底端邊緣之間的實時距離與步驟4中不同運載機器人基座到抓取臺底部邊緣的距離下的最優手臂關節控制值預測模型對應的距離均不匹配時，選取與實時距離最近的最優手臂關節控制值預測模型。

運用多種神經網絡的對手臂的抓取進行控制，不同的距離值選擇精度更加高的組合進行預測，提高了系統的穩定性。

建立距離與機器人手臂姿態之間的映射，而不需要建立復雜的運動學方程。同時，手臂關節處電機的更換不會造成神經網絡訓練的失效，方便了機器人的維護。

進一步地，采用小波神經網絡模型訓練構建的初始手臂關節控制值預測模型是以機器人基座超聲波傳感器測得的實時距離作為輸入數據，機器人手臂關節控制值矩陣作為輸出數據，對小波神經網絡模型進行訓練獲得：