机器人的轨迹控制方法、装置、计算机设备和存储介质与流程

本技术涉及机器人，特别是涉及一种机器人的轨迹控制方法、装置、计算机设备和存储介质。

背景技术：

1、在现代制造工业中，许多设备采用圆柱形的设计方案，这些设备在生产制造、运输过程中难以保证不发生损伤，因此对这些设备的内部检测和后期维护具有十分重要的意义。由于部分腔体内部空间狭小，人工难以进入，采用移动机器人代替人工进入腔体进行检修是一种安全、方便、可靠的方案。麦克纳姆轮全向移动机器人(mecanum wheelomnidirectional robot，mwor)可以在不改变车轮自身姿态的情况下进行全方位移动，到达腔体设备的任意可达位置，使得对腔体内设备的检测更加全面，因此使用mwor进入腔体内进行检修可以使得检测效果率大幅提升，因而对mwor在腔体内的控制方法研究具有重大意义。

2、为了实现gis(geographic information system，地理信息系统)机器人在管道内较高精度的轨迹跟踪，需要利用传感器实时测量机器人状态，然后根据跟踪误差调整控制输入以达到精确跟踪的目的。因此机器人轨迹跟踪的精度在很大程度上依赖于传感器测量值的准确性。由于传感器制作工艺水平有限，传感器的精度可能得不到保证，同时由于环境温度，湿度、电磁干扰等因素的影响，机器人搭载的传感器可能会发生故障，造成机器人状态测量值和真实值存在偏差，影响轨迹跟踪控制的效果。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提升腔体内机器人轨迹跟踪控制效果的机器人的轨迹控制方法、装置、计算机设备和存储介质。

2、第一方面，本技术提供了一种机器人的轨迹控制方法。所述方法包括：

3、根据所述机器人的第一类型传感器采集到的位置定位信息获取所述机器人的定位信息；

4、根据所述定位信息，建立在第二类型传感器发生故障的情况下，所述机器人在腔体内的运动学模型和动力学模型，其中，所述第二类型传感器用于采集所述机器人的驱动轮的转速；

5、根据所述运动学模型和所述动力学模型，确定自适应估计率函数；

6、根据所述自适应估计率函数，对所述机器人进行轨迹跟踪容错控制。

7、在其中一个实施例中，所述建立在第二类型传感器发生故障的情况下所述机器人在腔体内的运动学模型和动力学模型之前还包括：

8、建立所述机器人在腔体内运动的基本运动学模型和基本动力学模型，其中，所述基本运动学模型用于表征所述机器人沿腔体轴心的运动，所述基本运动学模型为：

9、

10、其中，是机器人位置的导数，是机器人绕腔体轴心运动的角度的导数，是机器人沿轴心运动的导数，r是腔体半径，r是机器人驱动轮半径，ω1和ω2分别为驱动车轮组1和驱动车轮组2的转速；

11、所述基本动力学模型用于表征所述机器人绕腔体轴心的运动，所述基本动力学模型为：

12、

13、其中，θ＝[θ1 θ2]t是驱动轮转速关于时间的积分，m是机器人的惯性矩阵，g表征机器人受到的重力影响，f表征机器人受到的摩擦力影响，γ是驱动轮提供的驱动力。

14、在其中一个实施例中，所述根据所述机器人的第一类型传感器采集到的位置定位信息获取所述机器人的定位信息包括：

15、获取所述机器人中各个第一类型传感器分别采集到的位置定位信息；

16、根据采集到的各所述位置定位信息，对各个所述第一类型传感器进行故障诊断；

17、将故障诊断结果为未发生故障的各个所述第一类型传感器采集到的位置定位信息进行信息融合，得到所述机器人的定位信息。

18、在其中一个实施例中，所述根据采集到的各所述位置定位信息对各个所述第一类型传感器进行故障诊断包括：

19、根据采集到的各所述位置定位信息，确定信息矩阵的预测值和信息向量的预测值；

20、利用所述第一类型传感器中的绝对定位传感器测得的所述机器人的绝对定位信息，对所述信息矩阵和所述信息向量进行更新；

21、将更新后的所述信息矩阵和所述信息向量进行信息融合，得到所述机器人的定位结果；

22、根据所述信息矩阵的预测值、更新后的所述信息矩阵和所述定位结果，确定多种kl散度；

23、通过判定各种所述kl散度是否分别超过对应的预设散度阈值，来判定各个所述第一类型传感器是否发生故障。

24、在其中一个实施例中，所述信息矩阵的预测值和所述信息向量的预测值分别为：

25、

26、其中，是信息矩阵的预测值，是信息向量的预测值，rt是与测量噪声相关的协方差矩阵，是第二类传感器测得的机器人绕腔体轴心运动的转速和第一类型传感器测得的机器人沿腔体轴心运动的速度组成的输入向量；

27、更新后的所述信息矩阵和所述信息向量分别为：

28、

29、其中，yt是信息矩阵，ξt是信息向量，zt＝ctxt+δt是绝对定位传感器测得的测量向量，xt是机器人的状态向量，δt是与协方差矩阵qt相关的高斯白噪声；

30、所述机器人的定位结果为：

31、

32、在其中一个实施例中，所述运动学模型和所述动力学模型分别为：

33、

34、

35、其中，y1和y2分别为机器人位置q和驱动轮转速ω的测量值，fs表征第二类型传感器故障，是总的未知非线性函数向量，ff＝-m-1(g(θ)+f(ω,θ))。

36、在其中一个实施例中，所述根据所述自适应估计率函数对所述机器人进行轨迹跟踪容错控制包括：

37、根据自适应估计率函数设计虚拟控制器；

38、配置与所述虚拟控制器相匹配的滤波器，并对所述虚拟控制器进行滤波处理，获取状态变量；

39、根据所述状态变量、所述机器人的惯性矩阵和滑模面设计对机器人进行轨迹跟踪容错控制的目标控制器；

40、根据所述目标控制器对所述机器人进行轨迹跟踪容错控制。

41、在其中一个实施例中，所述自适应估计率函数为：

42、

43、

44、其中，β1、β2、和均是正定矩阵。

45、第二方面，本技术还提供了一种机器人的轨迹控制装置。所述装置包括：

46、定位模块，用于根据所述机器人的第一类型传感器采集到的位置定位信息获取所述机器人的定位信息；

47、模型建立模块，用于根据所述定位信息，建立在第二类型传感器发生故障的情况下，所述机器人在腔体内的运动学模型和动力学模型，其中，所述第二类型传感器用于采集所述机器人的驱动轮的转速；

48、函数确定模块，用于根据所述运动学模型和所述动力学模型，确定自适应估计率函数；

49、轨迹控制模块，用于根据所述自适应估计率函数，对所述机器人进行轨迹跟踪容错控制。

50、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

51、根据所述机器人的第一类型传感器采集到的位置定位信息获取所述机器人的定位信息；

52、根据所述定位信息，建立在第二类型传感器发生故障的情况下，所述机器人在腔体内的运动学模型和动力学模型，其中，所述第二类型传感器用于采集所述机器人的驱动轮的转速；

53、根据所述运动学模型和所述动力学模型，确定自适应估计率函数；

54、根据所述自适应估计率函数，对所述机器人进行轨迹跟踪容错控制。

55、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

56、根据所述机器人的第一类型传感器采集到的位置定位信息获取所述机器人的定位信息；

57、根据所述定位信息，建立在第二类型传感器发生故障的情况下，所述机器人在腔体内的运动学模型和动力学模型，其中，所述第二类型传感器用于采集所述机器人的驱动轮的转速；

58、根据所述运动学模型和所述动力学模型，确定自适应估计率函数；

59、根据所述自适应估计率函数，对所述机器人进行轨迹跟踪容错控制。

60、上述机器人的轨迹控制方法、装置、计算机设备和存储介质，通过根据机器人的第一类型传感器采集到的位置定位信息获取机器人的定位信息；根据定位信息，建立在第二类型传感器发生故障的情况下，机器人在腔体内的运动学模型和动力学模型，其中，第二类型传感器用于采集机器人的驱动轮的转速；根据运动学模型和动力学模型，确定自适应估计率函数；根据自适应估计率函数，对机器人进行轨迹跟踪容错控制。本技术实施例据此，在运动学层面，采用多第一类型传感器融合方式和第一类型传感器故障诊断隔离方式得到可靠、准确的机器人定位信息，在动力学层面，采用自适应估计率函数能够有效地对第二类型传感器故障进行估计，从而能够效果良好地对腔体内全向移动机器人的轨迹跟踪控制，即提升了腔体内机器人轨迹跟踪控制效果，进而提高了机器人在腔体环境内工作的可靠性。