[发明专利]一种欠约束索并联机器人末端执行器的自主定位方法

说明书

本发明公开了一种欠约束索并联机器人末端执行器的自主定位方法，结合PCF算法与因子图算法，利用多传感器数据融合技术在不依赖外部信号输入的情况下准确定位末端执行器的位置，使用PCF方法处理IMU惯性传感器数据，可以精确获得欠约束索并联机器人末端执行器的姿态，同时以此提高末端执行器位置的测量精度。并且，选用的传感器是低成本的IMU、测力计、电机转速计等，可以在末端执行器同等定位精度下实现低成本。综上，本发明可以解决欠约束索并联机器人末端执行器在低成本、复杂环境下的定位精度问题，并实现欠约束索并联机器人的震荡抑制控制，拓展其应用范围。

技术领域

本发明涉及机器人控制技术领域，尤其涉及一种欠约束索并联机器人末端执行器的自主定位方法。

背景技术

作为机器人领域的一个方向，索并联机器人(CDPR,Cable-Driven ParallelRobots)凭借其独特的结构特点，近些年在研究和工程领域越来越受到重视。相比于类似结构的并联驱动机器人，索并联机器人的根本区别在于柔索只能拉动末端执行器，而不能推动末端执行器。索并联机器人具有如下优势：(1)工作空间大；(2)系统部署方式灵活；(3)运行速度高；(4)负载能力强；(5)适用范围广。

索并联机器人可以分为全约束和欠约束两类，一个具有n自由度的索并联机器人，若柔索的数量超过自由度的数量，则为全约束，反之，则为欠约束。与全约束索并联机器人相比，欠约束索并联机器人在复杂性、成本、工作空间、安装时间等性能上更具优势。图1为典型的欠约束索并联机器人-4柔索机器人的结构示意图。

在运动过程中，能够获取机器人末端执行器的速度和位置信息，对于机器人的控制工作和定位追踪非常关键。索并联机器人作为机器人范畴中的一个重要分支，同样非常注重对其末端执行器导航定位方法的研究。现有的主流确定末端执行器位姿的方法有两种：一种是测量柔索长度结合柔索机器人正运动学方程估计末端执行器位姿；另一种是通过6自由度传感器直接获得末端执行器位姿。由于存在柔索松弛的状态，欠约束索并联机器人的位置和姿态不能完全由柔索的长度得到，因此，第一种方法不能单独用于欠约束索并联机器人。第二种方法的精度通常取决于所选用的传感器，目前精度最高的是使用外部视觉传感器，但其相机系统的成本较高且对安装环境的要求较为苛刻，此外还有IMU惯性传感器、角位置传感器等，这些传感器能够实现不依赖外部环境信息而独立工作，但它们的误差会随时间而累积，因此，无法单独长时间获得准确的位姿。

发明内容

有鉴于此，本发明提供了一种欠约束索并联机器人末端执行器的自主定位方法，用以解决欠约束索并联机器人的末端执行器在低成本、复杂环境下的定位精度问题。

因此，本发明提供了一种欠约束索并联机器人末端执行器的自主定位方法，包括如下步骤：

S1：建立一个空的因子图，确定末端执行器的初始状态，将所述初始状态以先验因子的形式加入到所述因子图中；

S2：利用非线性被动补偿滤波方法对当前时刻所述末端执行器中IMU惯性传感器的测量值进行惯导解算，得到当前时刻所述末端执行器的惯导状态值，将所述惯导状态值以状态变量估计值的形式加入到所述因子图中；

S3：利用所述末端执行器中的绳索受力传感器判断当前时刻机器人电机的运动状态是否可用于所述因子图的计算；若是，则执行步骤S4；若否，则执行步骤S5；

S4：利用正运动学方程对当前时刻所述机器人电机的转速测量值进行解算，得到当前时刻所述末端执行器的状态变量，将所述状态变量以中间因子的形式加入到所述因子图中，得到因子图模型；

S5：将当前时刻所述IMU惯性传感器的测量值剔除，利用所述惯导状态值构建因子图模型；

S6：对所述因子图模型进行非线性最优化估计，得到当前时刻所述末端执行器的速度和位置信息；

返回步骤S2，进行下一时刻的定位解算。