[发明专利]一种基于动力学迭代学习的柔性机器人控制方法及装置

说明书

本发明公开了一种基于动力学迭代学习的柔性机器人控制方法及装置，首先通过牛顿‑欧拉法对柔性机器人的惯性力、离心力/科氏力、重力及绳索拉力进行建模，进而构建柔性机器人的动力学模型，利用柔性机器人操作空间的PD位姿偏差控制量及上一时刻前馈位姿偏差控制量，建立基于动力学迭代学习的控制模型。最后，搭建由操作空间轨迹生成模块、实时迭代学习控制模块以及序列二次规划优化模块组成的柔性机器人动力学迭代学习控制框架。当机器人执行重复轨迹时，通过该迭代学习控制框架使得机器人操作空间的轨迹跟踪性能最优，同时运动精度得到了有效的提升。

技术领域

本发明涉及机器人控制领域，尤其是一种基于动力学迭代学习的柔性机器人控制方法及装置。

技术背景

绳索驱动多连杆机器人是一种由多个刚性链节和活动绳索驱动的机械装置。由于采用绳索驱动，能够免去臂杆上的驱动机构，从而使得臂杆质量、惯性小，因此也获得能够拓展多个臂杆的潜质。柔性机器人通过加入多个臂杆及关节，使得其获得冗余自由度。不同于传统工业机器人，该类机器人具有潜在的工作空间大、冗余度高及灵活性强等优点，被广泛研究并应用于如油气管道维护、核电站检修及医疗内窥镜等非结构化作业环境，并具有一定的研究应用前景。

但是，由于绳索只能施加正向拉力的独特性，加上“绳索-关节-末端”的运动学、动力学相互耦合影响与绳索拉力、摩擦力的不确定性等因素给柔性机器人的运动控制带来巨大挑战。因此需要提出一种具有鲁棒性强且高效的柔性机器人控制方法。对于这一类具有较强的非线性耦合、难以建模且具有高精度轨迹跟踪要求的机械系统，迭代学习控制具有广泛的应用前景。

发明内容

鉴于现有技术的缺陷，本发明旨在于提供一种基于动力学迭代学习的柔性机器人控制方法及装置，使柔性机器人执行重复轨迹时，通过该迭代学习控制框架使得柔性机器人操作空间的轨迹跟踪性能最优，同时运动精度得到了有效的提升

为了实现上述目的，本发明采用的技术方案如下，

一种基于动力学迭代学习的柔性机器人控制装置，具有柔性机器人，所述装置包括：

操作空间轨迹生成模块：用于根据给定柔性机器人末端的期望位姿点，通过样条插值，在操作空间下实时生成柔性机器人平滑的期望运动轨迹；

实时迭代学习控制模块：用于根据柔性机器人当前操作空间的位姿偏差以及所记录的过去时刻的位姿误差，并对它们进行加权相加，计算获得当前时刻的控制输入；通过重复柔性机器人执行相同轨迹，逐步减小其操作空间的位姿误差；

序列二次规划优化模块：用于求解驱动绳索拉力优化模型；根据绳索拉力及关节角度限制，通过序列二次规划方法求解得到满足条件的绳索拉力。

本发明还提供一种基于动力学迭代学习的柔性机器人控制装置的控制方法，所述控制方法包括以下步骤：

S1建立柔性机器人的运动学及动力学模型，构建柔性机器人的“绳索-关节-末端”映射关系，以描述驱动绳索与末端的运动学关系，同时通过牛顿-欧拉法，对柔性机器人的惯性力、离心力/科氏力、重力及绳索拉力进行建模；

S2建立迭代学习控制模型，通过柔性机器人当前时刻状态偏差量及过去时刻状态偏差量，建立迭代学习控制模型；

S3建立绳索拉力优化模型，以满足绳索拉力及关节角度限制条件；S4构建基于动力学的迭代学习控制框架，结合所建立的动力学模型、操作空间的轨迹生成方法、迭代学习控制模型以及序列二次规划优化方法，构建柔性机器人的迭代学习框架。

需要说明的是，所述绳索拉力包括：驱动绳索拉力与联动绳索拉力，并根据旋转关节的转动半径与给定的绳索截面积、杨氏模量得到关节驱动扭矩模型。

需要说明的是，所述绳索拉力模型包括：驱动绳索拉力与联动绳索拉力分析，根据旋转关节的转动半径与给定的绳索截面积、杨氏模量得到关节驱动扭矩模型。