[发明专利]一种多空间融合的人机技能迁移与参数补偿方法及系统

说明书

本发明公开了一种多空间融合的人机技能迁移与参数补偿方法及系统，通过人类演示获取多空间技能参数，将刚度多空间矩阵分解成特征值矩阵和特征向量矩阵，再将黎曼空间矩阵转换成四元数并表示成轴角形式；利用多空间融合的动态系统、正则系统模块和线性加权回归更新模块实现技能参数迁移，将技能参数迁移给机器人仿人变阻抗控制器，比较对应技能参数得到的机器人复现效果与演示者在本组技能参数下演示的效果，将多次演示下的差异值和机器人实际操作效果导入概率模型进行训练，建立实际值与差异值之间的规律模型，根据实际场景中机器人末端反馈和规律模型回归得到的预计值之间的差异进行技能参数补偿。本发明能够实现在多空间的人‑机技能传递，保证精确的复现效果。

技术领域

本发明属于共融机器人技术领域，具体涉及一种多空间融合的人机技能迁移与参数补偿方法及系统。

背景技术

传统的机器人，特别是工业机器人大多通过专业技术人员编程示教的方式实现相对单一的工作。这类机器人在结构化的环境中发挥了重要的作用，可代替人类完成简单重复的工作，很大程度上减轻了人类的工作强度，具有定位精度高、工作效率高、输出力大等优点，已广泛应用于物流、汽车工业、飞机装配、港口码头等生产方式固定的中大型企业中，并带来了十分可观的工作效率和经济效益。但这类机器人仍存在普适性差、灵活度低、维护/改造成本高、智能化程度不足、人机交互体验差、实现功能单一等缺点，大大限制了这类机器人在非结构化的环境中的应用。与机器人相比，人类可以根据环境的动态变化实时调整自己对肌骨系统的控制策略，通过协同控制力、位、阻抗完成复杂技能操作。人的肌骨协同控制机理，为赋予机器人以人类技能提供了借鉴。

除此之外，随着近年来生活方式和生产方式的快速变化，传统的结构化工业场景已经无法满足多元化生产生活的需求。如何赋予机器人快速编码能力以适应环境的变化；如何让人们可以不需要专业的知识也能教会机器人从事一些日常的工作，使机器人走进平常百姓家；如何赋予机器人以类人特性来满足现代化柔性生成的需求、提高人机交互的体验、完成复杂高技能的工作成为机器人智能化发展的重要方向。人类的操作技能主要包括运动学中的位置、姿态、速度、加速度，以及动力学中的刚度、力等。其中，位置、速度和加速度为欧氏空间参数，姿态和刚度则为黎曼空间参数。目前，现有的人机技能迁移技术的研究主要着眼于欧氏空间，较少将黎曼空间考虑在内。且技能迁移主要针对运动学参数，鲜有研究将动力学技能参数如演示者的刚度特性、操作过程中的末端受力等赋予机器人。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种多空间融合的人机技能迁移与参数补偿方法及系统，利用黎曼空间的测地线距离、对数/指数映射方法改造传统的DMPs动态系统，将人演示的姿态、刚度等黎曼空间技能传递给机器人。

本发明采用以下技术方案：

一种多空间融合的人机技能迁移与参数补偿方法，包括以下步骤：

S1、构建上臂刚度模型，设计摄动法辨识模型参数，将演示过程中产生的刚度多空间矩阵分解成特征值矩阵和特征向量矩阵；

S2、将特征向量矩阵转换成四元数；

S3、分解转换的四元数，将四元数表示成轴角形式；

S4、将人机技能的黎曼空间部分表示成轴角形式后，建立基于DMPs的多空间融合的动态系统、正则系统模块和线性加权回归更新模块；

S5、获取多空间技能参数，利用步骤S4建立的基于DMPs的多空间融合的动态系统、正则系统模块和线性加权回归更新模块实现技能迁移，构建机器人仿人变阻抗控制器，将技能参数迁移给机器人仿人变阻抗控制器，比较对应技能参数得到的机器人复现效果与演示者在本组技能参数下演示的效果，将多次演示下的差异值和机器人实际操作效果导入概率模型进行训练，建立实际值与差异值之间的规律模型，根据实际场景中机器人末端反馈和规律模型回归得到的预计值之间的差异进行技能参数补偿。

具体的，步骤S1中，刚度特征值矩阵K_c为：