基于极大似然估计的工业机器人腕部6维力传感器在线标定

针对工业机器人实时监测腕部工具工作受力情况的需求,提出了基于极大似然估计的在线标定算法.首先,在机器人末端工具的活动负载部分安装6维力传感器,并实时采集力与力矩数据以及机器人工具运动轨迹.然后,考虑到不同运行速度下运动振动的干扰,根据系统力学关系求解工具重心坐标、机器人安装倾角、力传感器零点以及负载重力.最后,在10 mm/s～1000 mm/s不同速度条件下进行实验,分析求解结果的一致性,并与最小二乘法进行对比.对比结果显示基于极大似然估计可以把工具重心平均标准差从0.67 mm降到0.23 mm,力零点标准差从0.73 N降到0.27 N,力矩零点标准差从0.29 N·m降到0.05 N·m.实验结果表明极大似然估计能有效抵抗机器人高速运动引起的干扰,可以应用于机器人高速运动情况下的实时在线零点标定.     

面向直接示教的机器人负载自适应零力控制

相对于基于末端多维力传感器的直接示教工业机器人,基于关节扭矩传感器信息的机器人可接触范围大,且安全性更好.但在变负载的复杂工况下,加上受到机器人自身摩擦力、重力、惯性力的影响,示教效率受到制约.为此,本文提出了一种零力控制方法.首先,引入柔性关节机械臂的动力学模型作为被控对象,并分析了该模型中电机摩擦力、惯量以及机械臂重力在直接示教过程中的影响.然后,为精确补偿机器人自身的重力,基于QR分解与最小二乘理论进行参数辨识.而且针对机器人更换末端执行器或抓取物品后模型参数发生变化的情况,提出一种变负载自适应零力控制方法.最后,在自主研发的7自由度协作型机器人平台上进行了实验.机械臂自身重力参数辨识后的模型最大计算误差在关节额定力矩的4%以内,单关节力牵引实验中通过调节零力控制参数,牵引力矩可由约13 N·m下降到约2 N·m.变负载下的机器人牵引实验中,控制器能够在10 s内更新参数.实验结果表明,在负载变化的情况下,该控制方法可帮助操作者轻松地拖拽机器人进行精准、高效的直接示教.     

基于力/力矩信息的面向位控机器人的阻抗控制

为了克服末端接触点距离力传感器中心较远时,力传感器测量实际接触力的局限性,分析实际作用力与测量力/力矩值之间的关系,利用力传感器信息或力矩信息得到位置控制方向和力控制方向.根据位控与力控方向对机器人末端进行参考轨迹规划,在阻抗控制律中应用参考比例因子调节参考轨迹.基于力误差信息通过模糊推理调节参考比例因子的大小,使生成的参考轨迹适应未知表面的变化.实验结果表明,所提出的控制方法能实现未知工件表面的恒力跟踪.     

基于最优激励位姿序列的机械臂负载估计

重力补偿方法广泛地应用于由连杆与旋转机构组成的机器人系统中,更换机器人末端执行器造成了补偿模型的不确定性．针对该问题,提出了一种利用机器人关节力矩与位置信息的负载参数离线辨识方法．基于机器人静力学方法提出了2种负载参数的计算模型,并通过采集机器人在多个静态位姿条件下的关节力矩与位置信息获得负载参数的最小二乘解．进一步,本文针对机器人的辨识位姿选取问题展开研究,提出了同时保证辨识精度与辨识简便性的多目标优化问题,使用多目标粒子群优化方法获得最优辨识位姿．根据辨识后的负载参数,给出了机械臂各关节负载的重力补偿量计算方法．实验结果表明所提方法具有较高的辨识精度,负载质量的辨识误差最小值达到0.007 06 kg,最大值达到0.151 kg,负载质心位置的辨识误差最小值达到0.025 4 m,最大值达到0.122 m,验证了上述方法的可行性与有效性．     

基于广义坐标形式动力学的6-RUS并联机器人零力控制

针对6-RUS并联机器人的拖动示教零力控制问题,提出基于广义坐标形式动力学模型的解决方法。首先,引入动态摩擦模型,建立广义坐标形式的动力学模型;利用全局区域法获取电机在工作空间某位置的实际输出转矩,并采用Savitzky-Golay(SG)算法平滑噪声,分析机构自身噪声对转矩数据的影响。然后,结合6-RUS并联机器人动力学方程构建电机的期望输出转矩,补偿电机的期望转矩与实际转矩之间的误差,实时跟踪电机转矩实现零力控制。最后,在6-RUS并联机器人平台上进行实验。结果表明,在不同负载情况下,电机的预测与实际输出转矩之间误差均在8.25%以下;在完成相同示教过程中,本文方法所需的末端力矩仅为2.2 N·m,而基于重力矩与摩擦力矩补偿的零力控制方法为3.4 N·m,验证了本文零力控制法的有效性。与传统零力控制方法相比,该方法简化了动力学建模步骤,提高了构建期望电机转矩的效率,解决了机器人静止、启动、运动反向阶段期望电机转矩预测不精确的问题,同时实时补偿了转矩误差,使得机器人获得更好的拖动效果。     

混联式主操作手重力补偿算法

针对应用于腹腔镜微创手术机器人的主操作手,本文提出了重力补偿算法.主手采用串并混合式的构型.平动自由度和转动自由度分开配置,实现了位置和姿态解耦,每个关节都配有电动机.利用拉格朗日动力学方程法得到了电动机为平衡主手重力所需的输出力矩.为避免信号处理过程中的延时问题,采用速度观测器估计速度信号,并且引入一阶低通滤波器直接获得加速度信号.最后在开启和关闭重力补偿算法的条件下,利用力传感器测量主操作手随人手在自由空间运动输出力的情况,通过与缺少重力补偿条件下的实验数据对比,得出在重力补偿条件下人手的输出力减少90%以上.     

协作机器人关节力矩传感器的设计与研究

提高协作机器人的力交互性必须提升机器人关节力矩测量的精确性,利用谐波减速器柔轮应变设计了一种关节力矩传感器.首先分析并建立柔轮的应变模型,基于应变电测技术,研制了物理样机.其次利用傅里叶变换对关节力矩传感器的输出信号进行分析,建立了传感器力矩信号直流分量与负载力矩之间的关系.测试结果表明:研制的关节力矩传感器具有较高的...     

基于粒子群算法寻优的机器人自适应阻抗力控制

机器人在工业打磨、喷涂和装配上具有很大优势,为提高其感知环境力的能力,在六自由度研磨机器人末端安装六维力传感器.在分析了力控基本原理后,提出一种基于粒子群寻优的自适应阻抗控制算法,与遗传算法寻优和整定法相比,该算法提高了控制系统的力跟踪速度和位置控制精度.     

基于DMFC的上肢外骨骼人—机协调控制系统

上肢外骨骼人—机协调控制系统中的一个关键问题是直角坐标系中的力信号转换成联合坐标系中力矩,该过程中奇点几乎一直存在;为了解决这个问题,提出了一种基于动态模型力控制器(dynamic model of force control,DMFC)的控制系统;利用阻尼最小二乘法处理负载,转矩补偿负载质量,避免了奇异性;在外骨骼的末端执行器处安装力传感器用于测量外骨骼和负载之间的力,通过相互作用力自动反映使用者的运动意图;实验结果表明,提出的控制系统具有非常好的稳定性和可负载性,当施加负载补偿时,不附加任何物体与附加5公斤对象的外骨骼末端执行器位置之间的稳态误差可减小至0.01 μm以下,完全满足起吊重物的上肢外骨骼需求。     

前轮驱动自行车机器人定车运动的鲁棒控制实现

针对一种前轮驱动的自行车机器人,研究其在具有内部结构参数和外部环境不确定性因素下实现原地定车的控制方法;给出基于Lagrange方法的定车运动简化力学模型;提出以欠驱动的车架横滚角为输出,将有驱动的前轮转角作为系统内部动态考虑的鲁棒控制器;仿真结果表明,控制器可以实现快速稳定的定车,并且对系统50%的结构参数误差、幅值为1N.m正弦干扰力矩和幅值为10N.m的脉冲干扰力矩体现了较强的鲁棒性;物理样机实验进一步证明,控制器可以在凹凸不平的地面环境、传感器数据不精确及脉冲干扰力矩下实现±3°车架倾角范围的定车运动。     

COM motion estimation of a biped robot based on kinodynamics and torque equilibrium

A novel technique to estimate motion of the center of mass (COM) for a biped robot is proposed. A Kalman filter is synthesized where the time evolution of COM is predicted from the external force and corrected based on kinematic estimation and torque equilibrium. They complementarily work to compensate the initial estimation offset, the error accumulation, and errors in modeled mass properties. It makes use of the authors’ previous method to estimate the translational and rotational motion of the base body from inertial information and joint angle measurements. The information about torque equilibrium helps to reduce an uncertainty of the height of COM and to improve the estimation accuracy of it by utilizing an interference of the horizontal and vertical motion of COM. The parameters are tuned based on error analyses in mass properties and sensor signals. A comparative study showed a better performance of the proposed method than other methods through dynamics simulations.     

三肢体机器人足部力传感器弹性体分析

提出将传感器传递矩阵条件数和行范数两项指标综合的方法,对一种三肢体机器人的足部三维力传感器弹性体结构进行优化,使传感器在具有低传递误差的同时具有较高的灵敏度.并应用有限元法分析了弹性体各结构尺寸对传感器性能的影响,得到了弹性体在单向受力时的应力、应变分布状态及其静、动态特性,为传感器的结构设计和进一步分析提供了依据.     

微创手术机器人力反馈主手重力补偿研究

针对医生操作微创手术机器人力反馈主手进行主从微创手术时力反馈主手各杆件重力阻碍操作性能的问题,基于虚位移原理对力反馈主手各关节的重力矩进行推导,并采用Adams仿真软件对其进行验证．该方法适用于开链和闭链结构的机器人臂,与传统的牛顿－欧拉法和拉格朗日法相比,它不需考虑速度、加速度,且简单有效．然后采用电机驱动的方式对力反馈主手的各连杆重力进行补偿,实现了重力的完全补偿．实验结果表明,基于虚位移原理的主动重力补偿能够达到较好的补偿效果,将未补偿前的重力矩作用减小了60%以上,提高了力反馈主手的操作性能．     

空间站载荷转移机构机器人的力加载控制方法

针对机器人在空间站载荷转移机构力加载过程中,由于展开完成后的载荷转移机构在力的方向上发生变形,导致机器人力控制系统难以保持稳定、加载精度不足或调节时间过长的问题,提出了自适应调整导纳控制器参数的策略．首先,根据导纳控制理论建立力与位移的关系,初步提出了基于直角坐标系的力跟随/力加载控制器;然后,根据加载实验数据,采用最小二乘法对载荷转移机构模型进行参数辨识,建立机器人特定工作空间的力与位置关系;最后,通过自适应调整导纳控制器参数使机器人动力学模型与载荷转移机构的动力学模型近似匹配,实现机器人对展开完成后的载荷转移机构末端的空间力实时加载．实验得出机器人对载荷转移机构位置跟随偏差不超过0.1 mm,加载力误差不超过1%．仿真结果表明,该机器人满足精度要求,为载荷转移机构提供了较为真实的等效空间载荷．     

Design of a slave arm of a surgical robot system to estimate the contact force at the tip of the employed instruments

Acquisition of the contact force at the instrument tip can enable better performance, e.g. transparency of the haptic feedback in the surgical robot systems. It is, however, difficult to measure the contact force directly due to technical limitations in attaching sensors to the tip of the instruments. This paper proposes a method to estimate the forces by installing the sensors away from the instrument tip. The proposed method employs specially designed mechanical parts of the slave robot, i.e. a slider cover plate for the z-axis translational force along the insertion direction, and docking clamps for the rotational pivot torques around the fulcrum point. Strain gauges are attached to specially designed places with enhancing shapes. The simulation results of the force estimation are presented to confirm the strain concentration area. The proposed method is validated with quantitative experimental results. Calibrated weights are determined upon the comparison of the strain value with a calibrated 6-axis force/torque sensor. The percentage error in the force calibration is about 5~8% calculated by the root mean square error (RMSE) of force-sensing performance. In addition, it can be computed by considering only the bending phase of each sensor although the hysteresis is observed from the calibration graph.     

高精度纯扭矩加载与测量装置的研

在微型扭杆刚度及小滞后角测量仪的研制过程中，设计了加载与测量扭矩于一体的传感器，实现了扭矩平衡加载与高精度测量。着重介绍该传感器的设计原理、设计方法及其静态特性。实验证明，所设计的扭矩传感器能满足设计要求。     

Position/Force Control of an Underwater Mobile Manipulator

This paper proposes a new control method applied to an underwater vehicle equipped with a robot manipulator. This control method is based on force control to stabilize the platform when the manipulator works in free or constrained space. The torque produced by the arm on the platform is estimated with a force sensor installed between the base of the manipulator and the vehicle. This allows correcting the position errors of the platform using an external force control loop. This paper presents this control law and shows some simulation results. © 2003 Wiley Periodicals, Inc.     

Robot Position/Force Control in Unknown Environment Using Hybrid Reinforcement Learning

Abstract

Robot position/force control provides an interaction scheme between the robot and the environment. When the environment is unknown, learning algorithms are needed. But, the learning space and learning time are big. To balance the learning accuracy and the learning time, we propose a hybrid reinforcement learning method, which can be in both discrete and continuous domains. The discrete-time learning has poor learning accuracy and less learning time. The continuous-time learning is slow but has better learning precision. This hybrid reinforcement learning learns the optimal contact force, meanwhile it minimizes the position error in the unknown environment. Convergence of the proposed learning algorithm is proven. Real-time experiments are carried out using the pan and tilt robot and the force/torque sensor.