[發明專利]一種基于六維力傳感器信息學習的工業機器人示教方法

在審

• 申請號: 202210561485.6
• 申請日: 2022-05-23
• 公開（公告）號: CN115157273A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 李明富;楊承霖;張黎明;趙文權;羅威
• 申請（專利權）人: 湘潭大學
• 主分類號: B25J9/22
• 分類號: B25J9/22;B25J9/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于六維力傳感信息學習的工業機器人示教方法，其特征在于，包括以下步驟：

步驟1、配備兩臺機器人設備，分別為六軸工業機器人和六軸協作機器人，六軸工業機器人末端和六軸協作機器人末端均連接六維力傳感器；

步驟2、建立神經網絡模型，并通過對六軸協作機器人的多次示教獲得機器人末端運動特性庫，并利用該運動特性庫對所建立的神經網絡模型進行訓練，具體步驟如下：

步驟2a、設置六軸協作機器人示教采樣周期T₁，并由操作者拖動六軸協作機器人末端進行示教，示教過程中，每個采樣周期，對六軸協作機器人關節角信號和末端的六維力信息采樣一次，直至完成一次示教任務；

步驟2b、重復執行步驟2a，完成多次示教任務，獲得六軸協作機器人的多次示教任務所對應的關節角數據和末端力傳感器數據；

步驟2c、使用貝塞爾曲線對所獲得的所有力傳感器數據進行預處理，得到平滑力數據以及各個采樣周期的力增量數據；并通過正運動學計算出六軸協作機器人的末端位姿及其對應采樣周期的末端速度；

步驟2d、建立機器人末端運動特性庫，該運動特性庫由步驟2c中獲得的平滑力數據、各個采樣周期的力增量數據和末端速度構成；

步驟2e、構建以力傳感器數據、各個周期力增量數據為輸入，以末端速度為輸出的神經網絡；并使用步驟2d建立的運動特性庫中的數據對神經網絡進行訓練，得到最終回歸模型；

步驟3、將訓練得到的最終回歸模型應用到六軸工業機器人示教過程中，具體步驟如下：

步驟3a、設置六軸工業機器人示教采樣周期T₂，并由操作者拖動六軸工業機器人末端，同時由末端連接的六維力傳感器實時采集末端六維力信息；

步驟3b、在每個采樣周期T₂內，對采集到的末端六維力信息f_e進行處理并生成末端驅動力F_d和各個采樣周期的力增量，并將其實時輸入到所述的最終回歸模型中，輸出為每個采樣周期T₂對應的六軸工業機器人末端期望速度；

步驟3c、利用所獲得的六軸工業機器人末端期望速度，對六軸工業機器人末端的期望位姿進行求解，最后通過逆運動學求解，完成一次步進運動；

步驟3d、重復步驟3b和3c，直至操作者停止拖動六軸工業機器人末端，示教完成。

2.根據權利要求1中所述的一種基于六維力傳感信息學習的工業機器人示教方法，其特征在于：所述步驟2c中，使用貝塞爾曲線對所獲得的所有力傳感器數據進行預處理，具體方法為，將力傳感器數據代入n次貝塞爾曲線公式，n為示教過程總時長S與采樣周期T₁的商，得到貝塞爾曲線，則處理后的第i個樣本點平滑力數據其中i是取值范圍為[0，S/T₁]的整數。

3.根據權利要求1中所述的一種基于六維力傳感信息學習的工業機器人示教方法，其特征在于：所述步驟3b中，對采集到的末端六維力信息f_e進行處理并生成末端驅動力F_d和各個采樣周期的力增量，具體方法為，采用一個分段函數H(f_e)對末端驅動力F_d進行映射，即F_d＝H(f_e)，其中，H(f_e)表達式如下：

其中，K_P為增益系數，其取值范圍為(0，+∞)；K_t為運動閾值，其取值與步驟2c中平滑力的最大值有關。

4.根據權利要求1中所述的一種基于六維力傳感信息學習的工業機器人示教方法，其特征在于：所述步驟3c中，對六軸工業機器人末端的期望位姿進行求解，具體為，將k時刻的期望位姿表示為k-1時刻估計的末端位姿P_k-1和k時刻六軸工業機器人末端位姿變化量ΔP_k之和，如式(3)；而k-1時刻的估計末端位姿P_k-1，則用k-1時刻的期望位姿與k-1時刻的測量位姿Z_k-1進行表征，如式(1)，其中，k_w為置信度系數，取值范圍為[0，1]，置信度越接近0，表明期望位姿越可信，置信度越接近1，表明測量位姿越可信；k時刻六軸工業機器人末端位姿變化量ΔP_k可由式(2)求解，其中v_k與v_k-1分別為k時刻與k-1時刻最終回歸模型輸出的六軸工業機器人末端速度，采樣周期T₂為已知量；以上過程的數學模型如下：

ΔP_k＝(v_k+v_k-₁)·T₂/2 (2)

在實際示教過程中，首先獲得k-1時刻的期望位姿與測量位姿Z_k-1，計算出k-1時刻的估計末端位姿P_k-1；然后對k時刻采集的六軸工業機器人末端的六維力傳感器信號進行處理，得到末端驅動力F_d后將其輸入最終回歸模型得到六軸工業機器人末端速度v_k，計算出k時刻六軸工業機器人末端位姿變化量ΔP_k；將k-1時刻的估計末端位姿P_k-1與k時刻六軸工業機器人末端位姿變化量ΔP_k相加，得到k時刻的期望位姿完成一次迭代；再重復以上步驟，直到示教結束，逐次計算P_k，P_k+1…P_n，其中n為示教過程中采樣周期的個數。