[发明专利]一种考虑机械臂物理约束和模型未知的控制方法及系统

说明书

本发明公开了一种考虑机械臂物理约束和模型未知的控制方法及系统，该方法包括：预设机械臂的初始姿态和期望参数；根据传感器读取机械臂当前关节参数和末端执行器信息；以期望参数和初始姿态为约束，基于雅可比矩阵估计方法和二次规划方法构建期望位置方程组；根据期望位置方程组、初始姿态、期望参数、当前关节参数和末端执行器信息得到关节角度运动数据；将关节角度运动数据发送至机械臂控制器，控制机械臂运动。该系统包括：参数预设模块、信息读取模块、方程组构建模块、求解模块和控制模块。通过使用本发明，能够控制机械臂完成跟踪控制任务，同时还具有关节极限躲避的功能。本发明作为一种考虑机械臂物理约束和模型未知的控制方法及系统，可广泛应用于机械控制领域。

技术领域

本发明属于机械控制领域，尤其涉及一种考虑机械臂物理约束和模型未知的控制方法及系统。

背景技术

现有的机械臂控制方法是采用正向运动学模型为基础，求其中解获得机械臂每个时刻的数据并根据机械臂每个时刻的数据控制机械臂运动，雅可比矩阵由机械臂的正向运动学模型确定，然而即使是同一批次、型号的机械臂，雅可比矩阵也可能由于机械臂的组装差异而各自不同，导致在应用该算法时产生误差，影响解的精确度，其次，机械臂的型号繁多，有些机械臂的正向运动学模型难以测算，导致该方法的可移植性不强。

发明内容

为了解决上述技术问题，本发明的目的是提供一种考虑机械臂物理约束和模型未知的控制方法及系统，使机械臂的末端执行器能够按照预设的路径运动，并且使机械臂在运动过程中可以躲避自己的关节角度、速度极限，良好地完成任务。

本发明所采用的第一技术方案是：一种考虑机械臂物理约束和模型未知的控制方法，包括以下步骤：

预设机械臂的初始姿态和期望参数；

根据传感器读取机械臂当前关节参数和末端执行器信息；

以期望参数和初始姿态为约束，基于雅可比矩阵估计方法和二次规划方法构建期望位置方程组；

根据期望位置方程组、初始姿态、期望参数、当前关节参数和末端执行器信息得到关节角度运动数据；

将关节角度运动数据发送至机械臂控制器，控制机械臂运动。

进一步，所述期望参数包括期望轨迹、关节速度极限和角度极限，所述当前关节参数包括机械臂关节角度、机械臂关节速度和机械臂关节加速度，所述末端执行器信息包括机械臂末端实际加速度和机械臂末端实际速度。

进一步，所述以期望参数和初始姿态为约束，基于雅可比矩阵估计方法和二次规划构建期望位置方程组这一步骤，其具体包括：

基于二次规划方法得到机械臂逆向运动方程；

通过原对偶神经网络对机械臂逆向运动方程进行处理，得到微分方程；

基于雅可比矩阵估计方法得到位置方程；

根据微分方程和位置方程得到期望位置方程组。

进一步，所述微分方程如下：

上式中，u(t)是待求解的变量，m是机械臂的末端的任务空间的维度，n是机械臂的自由度，γ是原对偶神经网络的收敛率参数，P(·)是投影函数，M(t)是矩阵，q(t)是向量。

进一步，所述位置方程如下：

上式中，是待求解的变量，表示机械臂的末端的实际加速度，表示机械臂各关节的加速度，表示机械臂的末端的实际速度，表示机械臂各关节的速度，表示的伪逆，μ是一个收敛率参数。

进一步，所述得到关节角度运动数据还包括根据关节速度极限和角度极限验证关节角度运动数据是否在极限范围内。