[发明专利]基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置

说明书

本发明公开了基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，包括在关节上建立起始坐标系并确定这个柔性臂的模型参数。分别从末端到关节，以及关节到绳长，对机械臂进行分段联动的运动学建模，还包括内环被动二次规划控制‑实时控制和外环ILC控制‑轨迹周期控制。其中，被动二次规划控制包括通过优化目标函数，分别得到操作空间跟踪和绳索空间跟踪的运动学方程。其中，ILC控制轨迹级优化模型可以方便系统实现完美的跟踪，并在迭代过程中控制输入收敛到最佳状态，包括，轨迹级优化模型的建立和零空间参数搜索。该方法实现了较高的迭代速度和控制精度的双重需求。

技术领域

本发明涉及绳驱超冗余柔性机器人控制领域，具体为一种基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置。

技术背景

柔性机器人整合了蛇形机器人的结构与连续型机器人驱动，比传统的蛇形机器人更紧凑，并且具有比连续型软体机器人更高的定位精度。、这些特性使得该机器人非常适合于密闭空间作业，特别是在微创手术、核反应堆管道、灾难残骸等领域。柔性机器人能应用于核电站等狭小空间探测，具有较高的运动精度和负载能力，能够在狭小复杂环境中灵活运动，在电动车自主充电领域具有广阔的应用前景。

为了实现末端与臂型灵活控制的需要，主被动混合驱动分段联动式柔性臂成为最佳选择。该构型采用“离散式刚性连杆+联动机构+绳索”的“主动-被动”混合驱动形式，每个臂段中的同一方向自由度耦合一起，通过外沿的驱动绳索进行每一段的运动控制。该构型机械臂的刚度可以得到大大地提高。此外，关节段的各个相邻小关节之间的夹角是严格相等的，可以实现臂段的等曲率弯曲。

由于绳驱超冗余机器人自由度多、系统非线性以及动力学耦合强等特点，使得超冗余机器人系统的轨迹规划与控制相当的复杂。为了提高柔性机器人末端的控制精度，本文提出了一种基于运动学迭代学习控制的轨迹跟随规划方法，它具有较高的迭代速度和控制精度。

发明内容

鉴于现有技术的缺陷，本发明旨在于提供一种基于运动学迭代学习控制的柔性机器人轨迹规划方法，目的是为提高对可以实现臂段等曲率弯曲构型的机械臂的运动控制精度和迭代速度。

为了实现上述目的，本发明采用的技术方案如下，

基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，所述方法包括：

确定柔性机器人的模型参数；

对分段联动式的柔性机械臂进行建模；

其中，通过对于各段主被动混合驱动分段联动式柔性机械臂进行分析，并在机械臂的关节上进行起始坐标系的建立。

需要说明的是，当起始坐标系建立后，得到柔性机器人的正运动学方程：

需要说明的是，通过坐标系之间的的齐次变换阵，由此得到坐标系之间绳连接点A_i-1、B_i和B_i-1的3-D坐标，随之可获得驱动空间与单个关节的关节空间之间的映射关系。

需要说明的是，还包括通过对驱动空间与关节空间之间的映射关系做微分，得到绳长度的变化，随之可以进一步得到关节角度的变化，最终获得整个柔性机器人的关节空间到末端笛卡尔空间的Jacobian矩阵。

需要说明的是，还包括根据各段中的关节数与名义自由度关系，可以推出该段的末端速度，则可以得到整个柔性机器人的Jacobian矩阵，进一步得到柔性机器人末端执行器的广义速度。

需要说明的是，还包括迭代学习控制方法，所述方法为内环被动二次规划控制-实时控制(real-time control)与外环ILC控制-轨迹级控制(trajectory control)。

需要说明的是，根据末端操作空间-关节空间的运动学冗余性，通过优化目标函数，可以得到操作空间误差运动方程。