[發明專利]一種基于神經網絡的5-DOF機械臂力位跟蹤算法

有效

• 申請號: 202011490592.1
• 申請日: 2020-12-17
• 公開（公告）號: CN112809666B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 徐向榮;查文斌;張卉;陳肇星
• 申請（專利權）人: 安徽工業大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京潤捷智誠知識產權代理事務所(普通合伙) 11831
• 代理人: 安利霞

1.一種基于神經網絡的5-DOF機械臂力位跟蹤算法，其特征在于，該算法基于5-DOF機械臂末端執行器固定連接力傳感器，末端執行器夾持物體與環境接觸時，力傳感器輸出力信息并與各關節狀態信息一起反饋給控制器；

該算法通過定義機械臂中各個關節點、連桿長度，建立連桿坐標系，然后通過力傳感器得到末端接觸力，計算得出末端接觸力在機械臂參考坐標系下的力信息；然后建立了帶有約束力的動力學方程；最后，利用估計慣性矩陣估計慣性矩陣，并利用RBF神經網絡擬合其他項，在此前提下，給出了具有時變輸出約束狀態的神經網絡自適應力位控制方法，達到同時跟蹤力位的效果；所述控制算法的具體步驟如下：

第一步：建立坐標系；

第二步：求解機械臂末端執行器接觸力在參考坐標系下的力信息；

第三步：給出機械臂的一般動力學方程，并建立帶有約束力的動力學方程；

第四步：根據慣性矩陣，選取估計慣性矩陣，并利用RBF神經網絡擬合動力學方程中的其他項；

第五步：通過所設計的控制器使接觸力和關節狀態達到期望值；

其中，所述第一步中坐標系的建立過程為：機械臂的基座上建立參考坐標系{H}，在末端執行器的舵機上建立接觸力測量坐標系{e}使其與末端執行器坐標系重合，末端夾持物體與環境的接觸方向為測量坐標系的Z軸；

其中，所述第二步中的求解過程為：

機械臂末端與環境接觸時，其接觸力在測量坐標系{e}中為f_e，接觸力在參考坐標系下的表達式為：

其中，θ為機械臂的關節角，f_H為變換成參考坐標系下的接觸力，為坐標系{e}相對于參考坐標系的齊次變換矩陣：

則式(1)可變為：

其中，n＝[n_x，n_y，n_z]，o＝[o_x，o_y，o_z]，a＝[a_x，a_y，a_z]，通過求解式(3)方程組可得到在參考坐標系下的接觸力f_H；

其中，所述第三步中的帶有約束力的動力學方程的求解過程為：

給出一般的機械臂動力學方程表達式為；

其中，W(θ)為5×5的正定慣性矩陣，為關節角加速度，為關節角加速度，為科里奧利力和向心力的5×5的矩陣，G(θ)表示5×1的重力矩陣，τ_d為未知外加擾動，τ_f為約束力矩，τ為輸入力矩；τ_f，可表示為：

τ_f＝J^T(θ)λ?(5)

其中，λ為f_H在約束方向上的力，J(θ)為約束條件雅克比矩陣，表達式如下：

其中，φ(h(θ))＝φ(x)＝0為位置約束方程；

由于5-DOF機械臂受到一個力的約束，故機械臂由五個自由度變為四個自由度，此時可以取θm＝[θ₁，θ₂，θ₃，θ₄]為約束運動的變量，θ₅為剩余的冗余變量，則θ₅可由θ_m來表示：

則：

其中，L(θ_m)為約束雅克比矩陣的正交向量，可通過式(7)求出；

則：

由于J(θ)L(θm)＝L^T(θm)J^T(θ)＝0，式(4)轉化，可得：

其中，W_L(θ)＝L^T(θm)W(θ)L(θm)，

G_L(θ)＝L^T(θm)G(θ)，通過此式

可以求出在相應的輸入力矩τ下的關節輸出狀態。

2.如權利要求1所述的一種基于神經網絡的5-DOF機械臂力位跟蹤算法，其特征在于，所述第四步中的擬合動力學方程的求解過程為：

根據多次觀察、記錄動力學方程中的慣性矩陣W(θ)，以便選取估計慣性矩陣從而式(4)可變為：

其中，為RBF神經網絡擬合項，ε為擬合項誤差。