[发明专利]一种基于混合现实的机器人遥操作控制方法

权利要求书

1.一种基于混合现实的机器人遥操作控制方法，其特征在于，包括以下步骤：

步骤1：所述控制方法包括粗操作模式CMM和精细操作模式FMM；CMM模式用于机器人远距离大范围运动；FMM模式用于小范围的精细运动；CMM模式和FMM模式通过机器人控制软件的虚拟按钮进行切换；

步骤2：机器人方向控制规则；

在CMM模式下，操作者通过机器人控制软件的虚拟代理确定机器人移动方向；在FMM模式中，当前的参考方向°X_str恒定为机器人移动方向；

步骤3：机器人位置控制规则；

步骤3-1：采用一种基于模糊逻辑的方法定义FMM模式中的位置控制规则；

设X_r1代表机器人控制软件交互代理中心的位置，X_r3代表机器人末端执行器X_s的当前位置，X_r2是机器人移动路线和目标的交点，同时定义机器人控制软件交互代理和机器人位置之间的误差为：

e_p(t)＝X_r1(t-T)-X_o(t)

其中T代表时延，X_o(t)代表机器人的初始位置；

基于e_p(t)，定义如下的模糊隶属度μ₁,μ₂,μ₃，μ₁+μ₂+μ₃＝1：

其中，r和R分别代表机器人当前状态工作空间的两个圆形区域半径，σ1和υ＞＞1为正常数；

机器人参考控制信号表示为：

X_r(t)＝μ₁X_r1(t-T)+μ₂X_r2(t)+μ₃X_r3(t)

当交互代理在||e_p||₂≤r区域内时，交互代理完全控制机器人；

当交互代理在r≤||e_p||₂≤R区域内时，机器人的姿态由X_r1和X_r2共同决定；通过设置σ1，X_r1的控制权限传递给X_r1和X_r2；因此，机器人在X_r2的影响下不会超出最大的操作空间；

当交互代理在||e_p||₂R区域时，被定义为操作失误；通过设置υ＞＞1，机器人将不受交互代理的控制，并停留在当前的位置，此时μ₃将增加到1；当机器人当前的位置X_s到达参考轨迹，机器人工作空间将会被更新；初始位置X₀在||X_s-X_r||≤ξ_s被更新到当前的位置；

通过利用上述的模糊隶属度和更新规则，更新机器人工作区域允许交互代理驱动机器人每步进行微小的移动；

步骤3-2：CMM模式中的位置控制规则，通过让r大于机器人物理工作空间的半径，交互代理完全控制机器人进行大范围的移动；

步骤4：机器人速度控制规则；

步骤4-1：在FMM模式设置基于模糊速度边界：

其中b_u2和b_l2均大于零，分别代表最大边界和最小边界值；σ₂1为正常数，代表变化率，代表模糊隶属度，有如下的定义：

其中，u₁,t_k-1代表u₁在t_k-1时刻的值，u₁,t_k代表u₁在t_k时刻的值；

步骤4-2：在CMM模式中设置基于模糊的速度边界：

其中b_u1和b_l1分别代表最大边界和最小边界，u_υ1和σ₁有如下的定义：

σ₁＝(σ_u-σ_l)*u_υ1+σ_l

上式中σ_u1，σ_l1，二者均为正常数；X_s代表末端执行器的位置，X_o机器人的位置；

步骤4-3：当机器人在初始位置X₀时，模糊隶属度u_υ1趋近于0，此时边界B_v1在其最小的边界，目的在于阻止机器人突然运动；在机器人运动当中，速度边界会增加到最大值边界，加速机器人的运动；当机器人到达期望的位姿，u_υ1到达1，通过降低速度的边界达到减速机器人的目的；

步骤5：机器人力控制规则；

假定外部力的估计极限为常值B_f，任何超过B_f的力均被视为能导致系统崩溃的硬接触；如果机器人撞击某个物理障碍，估计力突变到B_f，在这一时刻机器人的位置被记录为X_sf，在力反馈机制作用下，促使机器人远离障碍物；中心点X_c会不断更新，其中以X_c为中心的同心圆半径分别为r和R，X_c位于X_sf和X_s直线上，同时X_c满足如下条件：

||X_sf-X_c||₂＝R

||X_s-X_c||₂≤|X_sf-X_c||₂

交互代理X_r1在最大的圆环外边，即它无法阻止机器人撞击物理障碍；机器人当前的位置X_s(X_r3)具有控制优先权，机器人将保持在当前的位置，阻止机器人与硬物体或者物理障碍的重复撞击；

步骤6：机器人状态受限下控制器的设计：

远端机器人的动力学模型如下所示：

其中q_s，分别代表关节位置、关节速度、关节加速度，M_s(q_s)代表惯量矩阵，代表离心力和柯氏力矩阵，G_s(q_s)代表重力项，代表边界扰动，包括机器人的摩擦；τ_s代表控制输入，J代表雅克比矩阵，F_e代表无源环境力；

假设F_e未知，利用力观测器对其进行估计，估计力为且△_e为估计误差，估计误差包含未知的动力学、噪声和加速度信息；

利用模糊神经网络方法估计动力学，则：

其中，为未知的估计误差、噪声、干扰和△_e；M_s，C_s，D_s和E_s均为时变的系数，用来描述非线性动力学系统；

控制输入τ_s有如下形式：

τ_s＝τ₁+τ₂+τ₃

其中

其中，τ₁用来弥补系统的动力学和不确定项来以此来增加系统的稳定性，τ₂是与位置误差有关的速度阻尼项，为已知项，包含未知噪声、扰动和环境力的估计误差，c₃为控制增益，且满足c₃0，φ₁为大于1的常数，0φ₂1；

采用如下的障碍李雅普诺夫函数解决机器人状态受限问题：

其中z₁＝s₁-α₁，z₂＝s₂，z₃＝s₃-α₂，α₁和α₂为虚拟的控制项，其中虚拟项