[发明专利]机械臂控制方法、装置及聚类模型训练方法

说明书

本申请公开了一种机械臂控制方法、装置及聚类模型训练方法。该机械臂控制方法包括获取机械臂的力组；将力组进行参数回归，得到力组的参数回归值；根据参数回归值和聚类模型，确定力组和聚类模型之间的KL散度，其中，聚类模型为通过机械臂的力组训练的高斯混合模型；根据KL散度对虚拟约束进行自动切换。本申请解决了静态生成的虚拟约束灵活性差、效率低的问题。

技术领域

本申请涉及机械臂领域，具体而言，涉及一种机械臂控制方法、装置及聚类模型训练方法。

背景技术

骨科手术控制中出现的钻、铣等任务控制是基于机械臂的直线约束来完成的，因此机械臂的直线约束具有较强的实际意义。在人手拖动机械臂作业过程中，由于人手存在定位误差，很难使机械臂沿直线移动进行工作。

机械臂的直线约束解决方案是引入虚拟约束对机械臂运动进行约束控制。常用的方式是引入静态的虚拟约束，但是静态生成的虚拟约束缺乏灵活性与人交互性较差，操作者需要通过上位机配置才能对虚拟约束进行切换，效率低。

针对相关技术中静态生成的虚拟约束灵活性差、效率低的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种机械臂控制方法，以解决静态生成的虚拟约束灵活性差、效率低的问题。

为了实现上述目的，本申请提供了一种机械臂控制方法。

第一方面，本申请提供了一种机械臂控制方法

根据本申请的机械臂控制方法包括：

获取机械臂的力组；

将所述力组进行参数回归，得到所述力组的参数回归值；

根据所述参数回归值和聚类模型，确定所述力组和所述聚类模型之间的KL散度，其中，所述聚类模型为通过机械臂的力组训练的高斯混合模型；

根据所述KL散度对虚拟约束进行自动切换。

进一步的，所述根据所述KL散度对虚拟约束进行自动切换包括：

判断所述KL散度是否大于KL散度阈值；

若所述KL散度大于KL散度阈值，则对机械臂产生各向异性虚拟约束；

若所述KL散度不大于KL散度阈值，则不对机械臂进行虚拟约束。

进一步的，在所述判断所述KL散度是否大于KL散度阈值之后，所述方法还包括：

若所述KL散度不大于KL散度阈值，则对机械臂产生各向同性虚拟约束。

进一步的，所述将所述力组进行参数回归，得到所述力组的参数回归值包括：

将所述力组在球坐标系下分解，得到所述力组的角度坐标；

利用最大似然估计，对所述力组的角度坐标进行参数回归，得到力组的参数回归值。

进一步的，所述若所述KL散度大于KL散度阈值，则对机械臂产生各向异性虚拟约束之后，所述方法还包括：

通过所述聚类模型对所述机械臂产生虚拟约束；

根据所述虚拟约束，确定机械臂的关节速度，以便以关节速度控制的方式控制机械臂沿直线运动。

第二方面，本申请提供了一种聚类模型训练方法，用于得到第一方面中的机械臂控制方法中的聚类模型。

根据本申请的聚类模型训练方法包括：

建立高斯混合模型，其中高斯混合模型具有第一预设数量的分模型；

获取不少于两组的机械臂在不同位姿下的训练力组；