[發明專利]一種基于最優導納參數的自適應人機協作控制方法

有效

• 申請號: 202110543512.2
• 申請日: 2021-05-19
• 公開（公告）號: CN113352322B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 禹鑫燚;楊吳斌;吳加鑫;歐林林;羅惠珍;史栓武
• 申請（專利權）人: 浙江工業大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵

一種基于最優導納參數的自適應人機協作控制方法，包括如下步驟：描述具有HRC任務的機器人動力學模型和用于機器人導納控制的機器人導納模型；設計基于BLF的機器人自適應約束控制器的內環；步驟3：設計基于積分強化學習的任務優化的外環；步驟4：利用積分強化學習求解LQR問題。本發明通過使用BLF考慮了機器人的運動約束，從而提高了HRC任務的安全性；然后，在面向任務的外環中獲得最優導納參數，以使任務跟蹤誤差和交互力最小；提出了一種基于積分強化學習的無模型方法來尋找最優導納參數；此外，設計了基于特定任務軌跡的輔助力，保證了良好的任務跟蹤。

技術領域

本發明涉及人機協作任務中一種基于最有導納參數的自適應控制方法。

背景技術

如今，機器人不僅需要完成高精度的重復性任務，還被廣泛應用于修復、搬運、裝配等人-機協作任務。因此，有必要開發人-機器人協作(HRC)系統，使人與機器人的優勢互補。例如，人類有處理未知環境的分析能力，而機器人可以在危險的環境中不知疲倦地工作。

為了完成HRC任務，操作者需要通過安裝在機器人上的力/扭矩傳感器與機器人進行交互。近年來，阻抗控制和導納控制因其魯棒性和靈活性被廣泛應用于HRC任務中。在阻抗控制方面，提出了一個阻尼-彈簧-質量模型來建立環境與機器人之間的動態關系。然后通過測量機器人的位置和適當的阻抗參數，得到機器人的輸入力/轉矩。導納控制的目的是通過測量相互作用的力和適當的導納參數來獲得所需的機器人軌跡。而對于阻抗控制和導納控制，則必須根據不同的操作人員和工作環境選擇合適的模型參數。結合生物反饋策略和自適應控制策略，根據患者的肌肉活動自適應調整阻抗參數。葉伯生提出了一種基于動力學模型的機器人自適應阻抗控制系統，對機器人動力學模型進行優化，進而將優化后的動力學模型傳輸給阻抗控制器來實現機器人末端的力和位置的柔順控制(葉伯生,陶婕妤,謝鵬,饒阿龍,張文彬,謝遠龍,譚朝,帥思遠.一種基于動力學模型的機器人自適應阻抗控制系統[P].CN110065070B,2020-09-18.)但在實際應用中，多數機器人的模型是未知的，基于模型的方法應用的場景較少。尤波等提出一種基于意圖識別的人機協作系統控制方法，利用神經網絡識別系統估計人的意圖，使機械臂產生控制輸入，該方法既減小了交互力，又改善了運動的柔順性(尤波,焦龍,李佳鈺.一種基于意圖識別的人機協作系統控制方法[P].CN112276944A,2021-01-29.)但該方法未考慮機器人工作在一個安全的工作空間內，在人機協作的任務中，會存在機器人工作超出安全空間的隱患。

發明內容

本發明要克服現有技術的上述缺點，提出了一種基于最優導納參數的自適應人機協作控制方法。

本發明首先建立了由內環和外環組成的整體控制結構。內環和外環的任務分別是機器人控制和任務優化。在此基礎上，提出了一種結合障礙李雅普諾夫函數(BLF)和徑向基函數神經網絡(RBFNN)的機器人內環控制器，使具有未知動力學的機器人安全地表現為操作者感知的規定的機器人導納模型。然后，在外環中獲得機器人導納模型的最優參數，以使任務跟蹤誤差和交互力最小。通過構建人-機器人協作系統模型，將機器人導納模型的優化問題轉化為線性二次型調節問題。該模型包含了操作員的未知動態和任務執行細節。為了放寬對系統模型的要求，采用積分強化學習的方法來解決線性二次調節問題。此外，還設計了輔助力，幫助操作者更好地完成特定的任務。與傳統的控制方案相比，提高了人機協作系統的安全性能和交互性能。

本發明的一種基于最優導納參數的自適應人機協作控制方法，具體步驟如下：

步驟1：描述具有HRC任務的機器人動力學模型和用于機器人導納控制的導納模型。動力學模型為：