一种基于自适应阻抗控制的机械臂打磨控制方法及系统

本公开涉及机械臂打磨控制，具体涉及了一种基于自适应阻抗控制的机械臂打磨控制方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、打磨机器人的作业一般分为自由移动和接触作业两个阶段。在准备进行打磨加工之前，机器人的末端执行器往往不在目标位置，首先应该控制机器人末端执行器移动到目标位置处，这一阶段就是自由移动阶段，在这个阶段，机器人需要通过位置控制系统实现运动控制，对打磨机器人来说，轨迹跟踪控制直接关系到打磨作业的两个阶段能否精准完成，目前大多数打磨机器人的本体采用的是多关节机械臂，而多关节机械臂是一种复杂的非线性机械系统，各关节之间存在较强的耦合关系，并且在外部环境影响下，易受到干扰，存在参数不确定性。而在机器人与工件开始接触后，机器人末端执行器与工件之间会产生作用力，如果末端装置、工具或工件的刚性很高，机器人要执行接触作业将会变得相当困难，且可能会对机器人本体或者工件产生损伤，同时，这样也会导致加工精度的降低，进而影响对工件表面的打磨质量。因此，在保证机器人的位置精度的同时对机器人与工件之间的相互作用力进行控制，使得机器人对于环境表现出柔顺性是十分有必要的，对提高机械臂的打磨精度和稳定性具有重大意义。

技术实现思路

1、针对上述缺陷，本公开提出了一种基于自适应阻抗控制的机械臂打磨控制方法及系统，以期望轨迹为约束，生成包含打磨工件环境不确定性的自适应阻抗控制方法，通过机器人末端位置和接触力的实时反馈估算出环境参数，并在线调整参考轨迹，使机器人末端可以快速地逼近到期望位置处。

2、为了实现上述目的，本公开采用如下技术方案：

3、本公开第一方面提供了一种基于自适应阻抗控制的机械臂打磨控制方法，包括以下步骤：

4、建立机械臂的拉格朗日动力学模型；

5、获取机械臂末端的期望轨迹；

6、基于动力学模型，以期望轨迹为约束，生成包含打磨工件环境不确定性的自适应阻抗控制方法；

7、利用自适应阻抗控制方法，对未知环境参数进行估计，实时更新参考轨迹，调整机械臂末端位置，实现末端接触力的跟踪。

8、作为进一步的实现方式，利用传感器对待打磨工件进行扫描，获取其表面的点云数据，对待打磨工件的点云数据进行处理和分析，获得工件表面信息，计算出工件需要打磨的区域，获取工件打磨轨迹，所述工件打磨轨迹即为机械臂末端的期望轨迹。

9、作为进一步的实现方式，所述机械臂的拉格朗日动力学模型为：

10、

11、其中，分别代表机械臂关节矢量、关节速度矢量以及关节加速度矢量，h(q)∈rm×n代表机械臂的惯量矩阵，代表机械臂的科里奥利力和向心力矩阵，g(q)∈rn代表机械臂的重力向量，τ∈rn代表机械臂驱动力矩向量。

12、作为进一步的实现方式，基于动力学模型，以期望轨迹为约束，生成包含打磨工件环境不确定性的自适应阻抗控制方法，具体为：

13、将机械臂末端的期望轨迹抽象为约束的一阶形式和二阶形式，假设系统因外界条件原因产生的不确定性存在边界且边界未知，将系统分为标称部分和不确定性部分；

14、对标称部分采用基于u-k理论的标称控制，根据udwaidia-kalaba方程来得到满足该约束所需的控制输入；

15、对不确定性部分设计一种泄露型自适应律，对系统由于外部因素导致的干扰和不确定性进行估计和有效地补偿。

16、作为进一步的实现方式，所述约束的一阶形式表达式为：

17、

18、其中，为的第i个元素，ali、cl为c1类函数，t表示时间，ali(q,t)表示与系统约束相关的矩阵，cl(q,t)表示与约束相关的函数；

19、上述约束可以整理为矩阵形式：

20、

21、其中，a＝[ali]m×n，c＝[c1,c2,...,cm]t；

22、所述约束的二阶形式表达式为：

23、

24、上式可以改写为:

25、

26、写为矩阵形式即:

27、

28、其中，表示与约束相关的向量；

29、所述自适应阻抗控制方法表达式为：

30、

31、其中，τ∈rn为控制输入，t∈r为自变量，q∈rn为广义坐标，为广义速度，为自适应参数。

32、作为进一步的实现方式，所述自适应阻抗控制方法，对未知环境参数进行估计表达式为：

33、

34、其中，f、fr分别表示打磨机器人实际接触力和期望接触力，fe表示末端接触力的误差值，表示实际接触力的估算值，xr表示系统参考轨迹，ke、xe分别代表环境刚度和环境位置，p1、p2为常量对角矩阵p的对角元素，均为正实数常量，p∈r2×2，x表示机器人末端实际位移。

35、作为进一步的实现方式，阻抗参数的选取满足以下规则：

36、

37、其中，md、bd、kd分别表示期望阻抗模型中的惯性矩阵、阻尼矩阵、刚度矩阵，ξ表示目标阻尼比，k表示刚度比。

38、本公开第二方面提供了一种基于自适应阻抗控制的机械臂打磨控制系统，包括：

39、模型建立模块，被配置为：建立机械臂的拉格朗日动力学模型；

40、期望轨迹获取模块，被配置为：获取机械臂末端的期望轨迹；

41、控制方法生成模块，被配置为：基于动力学模型，以期望轨迹为约束，生成包含打磨工件环境不确定性的自适应阻抗控制方法；

42、控制模块，被配置为：利用自适应阻抗控制方法，对未知环境参数进行估计，实时更新参考轨迹，调整机械臂末端位置，实现末端接触力的跟踪。

43、本公开第三方面提供了一种介质，其上存储有程序，该程序被处理器执行时实现本公开第一方面所述的一种基于自适应阻抗控制的机械臂打磨控制方法中的步骤。

44、本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现本公开第一方面所述的一种基于自适应阻抗控制的机械臂打磨控制方法中的步骤。

45、与现有技术相比，本公开的有益效果为：

46、(1)本发明的自适应阻抗控制方法，假设系统因外界条件原因产生的不确定性存在边界且边界未知，将系统分为标称部分和不确定性部分，针对标称部分采用基于u-k理论的标称控制，根据udwaidia-kalaba方程来得到满足该约束所需的控制输入，方法简洁清晰，避免了lagrange乘子等复杂参数的运算，针对不确定性部分设计了一种泄露型自适应律，对系统可能由于外部因素导致的干扰和不确定性进行估计和有效地补偿。

47、(2)本发明采用的u-k方法相比于传统的动力学分析方法，不需要引入额外的辅助变量，而是以期望轨迹为性能约束，通过分析udwadia-kalaba方程进而求解约束力矩，且无论是完整的还是非完整的伺服约束都可以处理，所设计的自适应律为泄露型，可以自动调整自适应参数以补偿随时间快速变化的系统不确定性。

48、(3)本发明采用基于阻抗控制的自适应接触力跟踪策略，可以通过机器人末端位置和接触力的实时反馈估算出环境参数，并在线调整参考轨迹，使机器人末端可以快速地逼近到期望位置处，改进后的阻抗控制模型具有对未知环境的自适应性，能够提高系统的末端接触力跟踪精度和鲁棒性。

49、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。