[发明专利]一种基于最优导纳参数的自适应人机协作控制方法

说明书

一种基于最优导纳参数的自适应人机协作控制方法，包括如下步骤：描述具有HRC任务的机器人动力学模型和用于机器人导纳控制的机器人导纳模型；设计基于BLF的机器人自适应约束控制器的内环；步骤3：设计基于积分强化学习的任务优化的外环；步骤4：利用积分强化学习求解LQR问题。本发明通过使用BLF考虑了机器人的运动约束，从而提高了HRC任务的安全性；然后，在面向任务的外环中获得最优导纳参数，以使任务跟踪误差和交互力最小；提出了一种基于积分强化学习的无模型方法来寻找最优导纳参数；此外，设计了基于特定任务轨迹的辅助力，保证了良好的任务跟踪。

技术领域

本发明涉及人机协作任务中一种基于最有导纳参数的自适应控制方法。

背景技术

如今，机器人不仅需要完成高精度的重复性任务，还被广泛应用于修复、搬运、装配等人-机协作任务。因此，有必要开发人-机器人协作(HRC)系统，使人与机器人的优势互补。例如，人类有处理未知环境的分析能力，而机器人可以在危险的环境中不知疲倦地工作。

为了完成HRC任务，操作者需要通过安装在机器人上的力/扭矩传感器与机器人进行交互。近年来，阻抗控制和导纳控制因其鲁棒性和灵活性被广泛应用于HRC任务中。在阻抗控制方面，提出了一个阻尼-弹簧-质量模型来建立环境与机器人之间的动态关系。然后通过测量机器人的位置和适当的阻抗参数，得到机器人的输入力/转矩。导纳控制的目的是通过测量相互作用的力和适当的导纳参数来获得所需的机器人轨迹。而对于阻抗控制和导纳控制，则必须根据不同的操作人员和工作环境选择合适的模型参数。结合生物反馈策略和自适应控制策略，根据患者的肌肉活动自适应调整阻抗参数。叶伯生提出了一种基于动力学模型的机器人自适应阻抗控制系统，对机器人动力学模型进行优化，进而将优化后的动力学模型传输给阻抗控制器来实现机器人末端的力和位置的柔顺控制(叶伯生,陶婕妤,谢鹏,饶阿龙,张文彬,谢远龙,谭朝,帅思远.一种基于动力学模型的机器人自适应阻抗控制系统[P].CN110065070B,2020-09-18.)但在实际应用中，多数机器人的模型是未知的，基于模型的方法应用的场景较少。尤波等提出一种基于意图识别的人机协作系统控制方法，利用神经网络识别系统估计人的意图，使机械臂产生控制输入，该方法既减小了交互力，又改善了运动的柔顺性(尤波,焦龙,李佳钰.一种基于意图识别的人机协作系统控制方法[P].CN112276944A,2021-01-29.)但该方法未考虑机器人工作在一个安全的工作空间内，在人机协作的任务中，会存在机器人工作超出安全空间的隐患。

发明内容

本发明要克服现有技术的上述缺点，提出了一种基于最优导纳参数的自适应人机协作控制方法。

本发明首先建立了由内环和外环组成的整体控制结构。内环和外环的任务分别是机器人控制和任务优化。在此基础上，提出了一种结合障碍李雅普诺夫函数(BLF)和径向基函数神经网络(RBFNN)的机器人内环控制器，使具有未知动力学的机器人安全地表现为操作者感知的规定的机器人导纳模型。然后，在外环中获得机器人导纳模型的最优参数，以使任务跟踪误差和交互力最小。通过构建人-机器人协作系统模型，将机器人导纳模型的优化问题转化为线性二次型调节问题。该模型包含了操作员的未知动态和任务执行细节。为了放宽对系统模型的要求，采用积分强化学习的方法来解决线性二次调节问题。此外，还设计了辅助力，帮助操作者更好地完成特定的任务。与传统的控制方案相比，提高了人机协作系统的安全性能和交互性能。

本发明的一种基于最优导纳参数的自适应人机协作控制方法，具体步骤如下：

步骤1：描述具有HRC任务的机器人动力学模型和用于机器人导纳控制的导纳模型。动力学模型为：