[发明专利]一种基于离散控制障碍函数的人机协作控制方法

说明书

本发明公开了一种基于离散控制障碍函数的人机协作控制方法，具体操作过程为采集人体骨架关节点数据：通过深度相机采集人体运动数据并提取骨骼关键点或动作捕捉系统采集骨骼关键点，将人体各部分表示为由骨骼点连接的刚性线段；递推最小二乘法在线预测人体关节轨迹与不确定度；判定最近点和最小距离；预测最近点的轨迹和不确定度；构建带有预测轨迹和不确定度的最小距离的安全约束；通过优化求出与原始控制输入最接近的控制率，控制机器人运动，而后继续读取机器人关节位置，重新采集人体骨架关节点位置，重复预测得到最终控制公式。本发明基于人机空间位置的最近点轨迹预测与不确定度预测方法，帮助准确定义未来时刻的人机最小距离。

技术领域

本发明属于共融机器人技术领域，具体涉及一种基于离散控制障碍函数的人机协作控制方法。

背景技术

在过去的50年里，工业机器人被广泛应用于制造业，代替人类完成各种重复且不利于健康的工作，但工业机器人的广泛应用带来了全新的风险，即事故发生的几率上升，这种风险威胁着人类的人身安全。为了防止事故的发生，工业界规定将工业机器人关进“笼子”中，将机器人和人类完全分隔开来，只有在机器人不处于自动操作状态时，授权人员才能进入机器人工作空间，来完成人工操作。这种模式严重影响了作业的生产效率，且占用过多的场地资源，不利于自动化生产线的配置。而且，这种分隔区域的模式，并不能完全保证公认的安全，更加严重的安全生产事故还是有可能发生，且对人体造成不可逆转的伤害，风险极大。近年来，新一代传感技术的突破和信息技术的发展，越来越多的新型传感器和数据分析方式出现了。这些技术在机器人上的应用使得工业机器人执行任务的限制变小，机器人出现了更多的合作方式。在人机交互场景下，人体作为机械臂执行任务中的动态障碍物，对机械臂的实时避障提出了新要求，为了确保人机共存环境下人的安全性和机器人的作业效率，协作机器人的实时安全控制显得尤为重要。

发明内容

为解决上述问题，本发明的目的在于提供一种基于离散控制障碍函数的人机协作控制方法。

为达到上述目的，提出以下技术方案：

一种基于离散控制障碍函数的人机协作控制方法，包括如下步骤：

1)采集人体骨架关节点数据：通过深度相机采集人体运动数据并提取骨骼关键点或动作捕捉系统采集骨骼关键点，将人体各部分表示为由骨骼点连接的刚性线段；

2)离线训练，递推最小二乘法在线预测步骤1)中的人体关节轨迹与不确定度；

3)根据经过步骤2)的人体关节点预测数据和读取的机器人关节位置判定最近点和最小距离；

4)预测步骤3)的最近点的轨迹和不确定度；

5)构建带有预测轨迹和不确定度的最小距离的安全约束；

6)通过优化求出与原始控制输入最接近的控制率，控制机器人运动，而后继续读取机器人关节位置，重新采集人体骨架关节点位置，重复步骤3)到步骤6)。

进一步地，步骤2)离线训练的具体操作过程为，假设模型为H_(k+1|k)＝f*(H_(k))+ω_k其中，k表示时刻，ω_k表示噪声，是未来M时刻的预测轨迹，是过去N时刻的记录轨迹，N大于等于M，就代表了这个预测模型，使用ReLU激活函数的l层BP神经网络对其进行训练，当该模型得到充分训练后，即得到轨迹预测模型：

f^*(H_k)＝Wmax(g(U,s_k))+ò(s_k) (1)

其中，是输入向量，g表示前l-1层的结果，其权重保存在U中，表示输出层的权重，l_h是隐藏层神经元数量，是函数的重构误差，当该网络被完全训练后，其无限趋于0，该运动模型的前l-1层权重将会被固定，同时，其输出层权重将会在线调整。