[发明专利]一种视觉伺服机械臂系统的自适应死区逆模型发生装置

说明书

技术领域

本发明涉及一种视觉伺服机械臂系统的自适应死区逆模型发生装置，属于视觉伺服机械臂系统在输入信号上的改造技术。

背景技术

机器人的研究开始于20世纪中叶，它伴随着自动化和计算机技术的发展以及原子能的开发利用而发展起来。机器人一直处于从简单到复杂，从单一到多样，从低级到高级的不断发展过程中，随着电子器件技术的发展，计算机的计算处理能力得到极大的提高与各种各样的传感器应用在机器人系统上，大多数机器人工作环境是预先设定好的，所以一旦工作环境发生任何变化，就需要重新设定机器人系统。这样一来便大大地限制了工业机器人的应用范围。为了改变这种情况，使机器人适应各种变化的环境，人们将各种外部传感器如触觉、距离、力觉和视觉传感器应用到机器人控制系统中，为了给机器人提供广泛丰富的信息而无需对环境进行接触式测量，进而使机器人具有更广的适用范围及更高的性能，人们为机器人引入视觉传感器。在机械臂的视觉伺服系统研究之中，机器人的视觉传感器与执行器之间的智能控制策略具有广泛的应用前景，并已经成为一个研究热点。所谓视觉伺服，就是将视觉传感器所得到的目标位置信息作为反馈，从而构造位置闭环的机器人控制系统P。。视觉伺服通过自动获取和分析目标图像来控制机器人运动。总之，视觉伺服就是利用机器视觉的原理，对图像反馈信息进行快速处理，并根据处理得到的信息快速给出位置控制信号，构成位置闭环的机器人控制。

20世纪70年代初，人们开始将计算机视觉与机器人伺服技术结合起来。Shirai和Inoue是最早将视觉应用于机器人系统的学者。他们采用的视觉伺服方式是通过视觉系统采集到的图像信息来计算估计目标的位置，这是一种静态的视觉控制方式。视觉与机器人系统的连接是开环的，所以机器人的定位精度与视觉系统精度以及机器人精度有关。其中，视觉系统精度主要受视觉标定误差和分辨率的影响。而机器人精度主要与关节位置传感器精度、机器人逆运动

学模型精度、关节控制算法、齿隙和机器人柔性等因素有关。按照反馈信息的不同，视觉伺服主要分为基于图像的视觉伺服和基于位置的视觉伺服两类。基于图像的视觉伺服直接以图像计算误差，传给视觉控制器来规划机器人的运动。这种方法不需要计算目标的位置，对机器人的位姿不敏感，但是控制器的设计难度比较大。基于位置的视觉伺服根据图像和机器人自身的位姿来计算目标的位置，视觉控制器根据目标位置来规划机器人的运动。这种方法的优点是反馈到视觉控制器的信号是位置信号，而内环控制器需要的也是位置信号，因此视觉控制器的设计实现都相对容易。但该方法需要计算图像的三维信息，获取目标的空间坐标，同时，目标的位置依赖于机器人和摄像机的位姿，对机器人和摄像机的标定误差比较敏感。

但目前的关键问题是：第一，普遍的带视觉伺服机械臂系统都需要对相机进行标定，然而相机标定是一件繁琐且效率低下的工作，尽管已经有不少的方法被用于视觉系统的标定，但是相机标定的成本依然很高。对摄像机的外部参数和内部参数进行求取的过程即为摄像机的标定。视觉系统的工作原理就是从摄像机获取二维图像信息出发，计算出三维环境中物体的形状、位置等几何信息，并由此重新构建三维物体。二维图像上每一点的位置与三维空间中该物体表面相应点的几何位置相关。这种相互关系决定于摄像机成像几何模型，几何模型的参数又称为摄像机参数，主要包括外参数和内参数。其中外参数是指摄像机坐标系在参考坐标系中的表示，内参数则主要包括成像平面坐标到图像坐标的放大系数、光轴中心点的图像坐标、镜头畸变系数等。摄像机标定提供了专业摄像机与非测量摄像机之间的联系。而所谓非测量摄像机是指其内部参数完全未知，部分未知或者原则上不确定的这样一类摄像机。摄像机标定就是通过标定实验获得摄像机的内、外参数；第二，由于齿轮难以完全紧凑咬合以及机械随使用时间和次数的损耗，在机械臂系统的力矩输入会存在各种各样的非线性因素，不仅会大大影响控制的效果更会导致伺服系统不稳定，其中比较常见的就是输入死区非线性约束。在驱动器为电机提供输入力矩时，存在的死区非线性表现为齿轮咬合出现重叠，当一定范围内力矩可以准确的施加在电机上，但是当力矩超出死区阀值时，表现为输施加到电机上的力矩呈现阀值特性，保持死区的输入最大值，使控制性能剧烈下降甚至会导致不稳定。

发明内容

本发明的目的在于考虑上述的视觉伺服机械臂控制系统在输入信号上受死区非线性约束影响而提出的一种视觉伺服机械臂系统的自适应死区逆模型发生装置。