[發(fā)明專利]一種智能排爆機器人五指靈巧手控制方法

有效

• 申請?zhí)枺?/td>: 201810305748.0
• 申請日: 2018-04-08
• 公開（公告）號: CN108638054B
• 公開（公告）日: 2021-05-04
• 發(fā)明（設計）人: 蔡磊;程靜;張樹靜;徐濤;劉艷昌;白林鋒;趙明富
• 申請（專利權）人: 河南科技學院
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 鄭州優(yōu)盾知識產(chǎn)權代理有限公司 41125
• 代理人: 孫詩雨;謝萍

1.一種智能排爆機器人五指靈巧手控制方法，其特征在于，步驟如下：

S1，構建排爆機器人五指靈巧手的抓取模式知識庫；

在步驟S1中，步驟如下：S1.1，建立五指靈活手的手掌和手指間的運動模型；

S1.2，構建抓取模式模型；

S1.3，確定接近方向；

S1.4，確定靈巧手工作空間；

S1.5，采用神經(jīng)網(wǎng)絡對五指靈巧手的抓取模式進行訓練，形成抓取知識庫；

S2，基于五指靈巧手的視覺系統(tǒng)對目標物識別；

S3，模式匹配；

將獲得的目標物的大小、形狀特征信息與抓取知識庫中所存物體的信息進行比較，搜索有無類似物體，如有則仿照抓取知識庫中所列物體的抓取規(guī)劃方法，確定接觸點和抓取模式；

如果不是知識庫中存在的抓取規(guī)劃模型，通過從2根手指到5根手指的抓、握、捏的方式試探抓取，并更新抓取知識庫；

S4，實施抓取

抓取模式規(guī)劃完畢之后，進行力規(guī)劃，通過手指指端緩慢收緊的同時抬起被抓物體，當被抓物體能夠被穩(wěn)定抓起時不再收緊指端的方法，獲取抓取物體的最佳抓取力度；

在步驟S1.2中，具體步驟如下：S1.2.1，給定初始參數(shù)；

在三維空間中物體的幾何特征定義為物體的高度h，寬度w，厚度d，并設d_max＝max(h，d，w)，d_min＝min(h，d，w)，抓取平面為(d_max，d_min)組成的截面；

S1.2.2，基于目標物體相對于手掌的尺寸大小，設定不同的抓取模式：

按照人手的抓取原理，將五指靈巧手的抓取分為三種基本模式：抓、握、捏；

S1.2.2.1，比較手掌和手指的總體長度d_x與抓取平面的最小長度d_min的大小；

當抓取平面的d_min＞d_x，不能實行抓取，當d_min≤d_x時，進行下一步根據(jù)物體抓取平面的d_max與五指靈巧手的手指寬度的相對大小，規(guī)劃使用不同的手指數(shù)進行抓取；

S1.2.2.2，若d_max小于或等于一指寬，則使用拇指和食指兩根手指采用捏的方式；

若d_max大于一指寬小于或等于三指寬使用拇指、食指和中指三只手指采用捏的方式；

若d_max大于三指寬且d_min小于或等于兩指寬時使用全部手指采用握的方式，其他尺寸采用抓的方式；

S1.2.3，根據(jù)物體的形狀規(guī)劃不同的抓取方式；

當目標物體具有球體的幾何特征或大多數(shù)面為曲面時，以過質(zhì)心的截面與曲面的相交點為拇指的接觸點，與該接觸點所在面相對的面為其他手指接觸點所在面，且除拇指外的其他手指均勻的分布在與拇指所在面相對的面上；

當目標物體的大多數(shù)面為平面且相對面近似平行，d_max＞＞d_s，d_s表示手掌的寬度，且d_min＜d_x時，以d_max所在面的中點為拇指接觸點，與其相對面為其他手指接觸點所在面，拇指沿手掌橫向伸展與物體接觸，四指在與拇指垂直方向彎曲，使手掌和四指與物體完全接觸；

在步驟S1.5中，具體步驟如下：采用基函數(shù)為高斯函數(shù)的RBF神經(jīng)網(wǎng)絡規(guī)劃抓取模式的知識庫，按照步驟S1.2所述分類對待抓物體及與其匹配的抓取模式進行訓練：以待抓取物體的形狀和位姿為神經(jīng)網(wǎng)絡的輸入，預期輸出為與輸入相匹配的抓取模式；

RBF神經(jīng)網(wǎng)絡的輸入層、隱含層、輸出層的節(jié)點數(shù)分別為n，l，m；節(jié)點的高斯核函數(shù)為：

式中，x為輸入模式樣本向量，為隱層第j個單元的輸出，c_j為第j個高斯單元的中心，為方差；

則RBF神經(jīng)網(wǎng)絡第k個輸出節(jié)點的輸出為隱層各節(jié)點的輸出的線性加權和：

式中，ω_kj為j神經(jīng)元和輸出層k神經(jīng)元之間的權值；

該RBF神經(jīng)網(wǎng)絡的學習參數(shù)有RBF的中心c_j、方差和輸出單元的權值ω_kj；

其中節(jié)點的中心c_j采用K均值算法：

式中，N_j是第j聚類數(shù)據(jù)，隱含層和輸出層之間的權值ω_kj采用最小二乘法確定；

訓練步驟為：S1.5.1，選擇比較小的隨機數(shù)初始化ω_kj；

S1.5.2，輸入五指靈巧手的參數(shù)，物體的幾何特征，計算RBF網(wǎng)絡的輸出；

S1.5.3，求輸出神經(jīng)元的誤差：e_k＝d_k-y_k，其中，d_k為輸出神經(jīng)元k的期望輸出；

S1.5.4，計算高斯核函數(shù)并更新權值其中，η為學習效率；

S1.5.5，根據(jù)步驟S1.2所述物體分類與抓取模式設定進行一次訓練，完成一次訓練后返回步驟S1.5.2再次訓練，直至訓練結(jié)束；

訓練過程為：基于靈巧手當前相對于目標物體的位置，根據(jù)規(guī)劃的接近方向，靈巧手朝著目標物體移動，當移動到目標物體處于靈巧手的可抓取空間時，停止移動，再根據(jù)采用的不同抓取模式，形成預抓取姿勢，并根據(jù)靈巧手的預抓取姿勢調(diào)整靈巧手和目標物體間的相對位置：若使用兩只手指捏取物體，以與手掌相連的基指節(jié)為第一指節(jié)，則移動手掌使目標物體位于拇指和食指的第二指節(jié)和第三指節(jié)范圍內(nèi)；若使用三只手指捏取物體，則目標物體處于彎曲的三指形成的C形范圍內(nèi)；若使用全部手指抓或握時，各手指的第二關節(jié)彎曲，目標物體位于拇指和其他四指組成的半封閉球形內(nèi)；

S1.5.6，已分類物體與相匹配的抓取模式訓練完成后，終止訓練過程，完成知識庫的搭建。