一种基于在线规划调节的机器人轨迹复原控制方法

本发明涉及机器人轨迹复原控制领域，具体涉及一种基于在线规划调节的机器人轨迹复原控制方法。

背景技术：

1、在焊接、装配等工业应用中，高性能的运动控制是保证机器人执行复杂操作任务的一项关键技术。然而，在这些应用场景中，机器人常常面临建模不确定性和外部扰动等问题，这些问题显著影响了运动控制的性能。为了减轻上述不利影响，一种常用的技术是将外部扰动和建模不确定性视为集总干扰，并通过各种控制算法进行削弱或补偿。

2、在机器人受到建模不确定性和外部扰动的影响下，解决轨迹跟踪问题的方法大致分为两大类，第一种是扰动估计和抑制控制。在这个框架中，有两种广泛研究的方法。其中一种是鲁棒控制策略，利用边界信息和反馈技术来削弱集总干扰。另一种是基于扰动观察器的方法，该方法通过估计集总干扰并基于估计值进行前馈补偿。一些控制算法，如扩展状态观测器、扩展卡尔曼滤波器和自抗扰控制，也遵循扰动估计和补偿的思想，因此属于基于扰动观测器方法的范畴。

3、与鲁棒控制方法和基于扰动观测器的方法相比，处理外部扰动和建模不确定性的另一种策略是对建模信息进行更全面的分析，并将这些不确定性分类为结构不确定性和非结构不确定性。结构确定性主要指的是系统参数的参数是不确定或慢变的，而非结构不确定性包括扰动和未建模动力学部分。因此，结构不确定性可以通过自适应控制来处理，该方法实时估计未知参数，而鲁棒反馈技术或基于扰动观测器的方法广泛应用于削弱非结构不确定性的不利影响。基于这个思路，设计了各种控制算法，包括自适应鲁棒控制、自适应滑模控制、自适应滑模扰动观测器和基于扩展状态观测器的自适应控制。上述方法都证明了在存在结构不确定性和非结构不确定性的情况下可以实现高精度的稳态跟踪性能。

4、通常情况下，机器人的实际轨迹在面对瞬时剧烈扰动时往往会明显偏离期望轨迹，导致运动跟踪误差的急剧增加。因此，由跟踪误差驱动的传统运动控制器往往会计算产生较大的控制输入来减小跟踪误差，这可能违反机器人驱动约束，导致控制器饱和甚至失稳。另一方面，现有的抗饱和控制算法主要强调在输入或状态约束下保证系统稳定性，而忽视了考虑驱动约束的情况下将偏离轨迹以最短时间收敛到期望轨迹的问题。

5、因此，在各种系统约束和建模不确定性的存在下，机器人受到瞬时剧烈扰动偏离期望轨迹，如何以较短时间完成轨迹复原仍然是非常具有挑战性的问题。鉴于此，我们提出了一个基于受限约束轨迹规划的控制框架。该框架由内环的非线性自适应鲁棒运动控制器和外环的最短时间轨迹恢复算法组成。自适应鲁棒运动控制器在正常工作条件下有效处理结构不确定性和非结构不确定性，确保精准的运动跟踪。在外环中，轨迹复原被描述为一个整合了受限约束、瞬时剧烈扰动在线识别、状态重匹配的轨迹规划问题并进行在线求解。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于在线规划调节的机器人轨迹复原控制方法，通过轨迹规划角度设计了分层调节控制框架，基于在线规划调节的机器人轨迹复原控制方法，保证机器人快速完成轨迹复原，降低控制力矩能量损耗。

2、为实现上述目的，本发明提供了一种基于在线规划调节的机器人轨迹复原控制方法，包括：

3、s1、检测机器人瞬时剧烈扰动状态；

4、s2、根据所述瞬时剧烈扰动状态对机器人轨迹复原进行双环处理得到机器人轨迹复原初始处理结果；

5、s3、利用所述机器人轨迹复原初始处理结果得到机器人轨迹复原控制结果。

6、优选的，所述检测机器人瞬时剧烈扰动状态包括：

7、s1-1、判断所述机器人是否存在瞬时剧烈扰动，若是，则执行s1-2，否则，不进行处理；

8、s1-2、获取机器人的实时采样关节数据与对应期望关节数据；

9、s1-3、利用所述实时采样关节数据与对应期望关节数据建立状态筛选阈值范围；

10、s1-4、根据所述状态筛选阈值范围得到机器人瞬时剧烈扰动状态完成检测。

11、进一步的，利用所述实时采样关节数据与对应期望关节数据建立状态筛选阈值范围的计算式如下：

12、

13、|ek|≥eh&&(ek-1-ek-2)*(ek-ek-1)<0

14、其中，qk为机器人第k个采样周期的实际关节位置，为机器人第k个采样周期的期望关节位置，ek、ek-1、ek-2分别为机器人第k、k-1、k-2个采样周期的跟踪误差，eh为机器人关节位置跟踪误差阈值。

15、优选的，根据所述瞬时剧烈扰动状态对机器人轨迹复原进行双环处理得到机器人轨迹复原初始处理结果包括：

16、根据所述瞬时剧烈扰动状态基于机器人驱动约束进行轨迹复原得到机器人状态重匹配外环参考轨迹；

17、利用所述机器人状态重匹配外环参考轨迹进行跟踪控制得到机器人状态规划内环约束轨迹；

18、利用所述机器人状态规划内环约束轨迹作为机器人轨迹复原初始处理结果。

19、进一步的，根据所述瞬时剧烈扰动状态基于机器人驱动约束进行轨迹复原得到机器人状态重匹配外环参考轨迹的计算式如下：

20、qr(t0)＝q(t0)

21、

22、其中，qr(t0)、q(t0)与分别为轨迹恢复过程起始时刻机器人参考轨迹关节位置、参考轨迹关节速度、实际关节位置和实际关节速度。

23、进一步的，利用所述机器人状态重匹配外环参考轨迹进行跟踪控制得到机器人状态规划内环约束轨迹的计算式如下：

24、min{tf}

25、subject to

26、

27、

28、

29、其中，tf为轨迹复原时间ep＝qr-qd,

30、进一步的，利用所述机器人轨迹复原初始处理结果得到机器人轨迹复原控制结果包括：

31、利用所述机器人轨迹复原初始处理结果计算机器人轨迹复原控制结构；

32、根据所述机器人轨迹复原控制结构进行效能评估得到机器人轨迹复原控制结果。

33、进一步的，利用所述机器人轨迹复原初始处理结果计算机器人轨迹复原控制结构的计算式如下：

34、u＝ua+um+us,us＝us1+us2

35、

36、

37、us1＝-k1ε-k2er-k3||er||2ε

38、

39、其中，wrqr和weqr分别为机器人线性参数化模型回归观测矩阵和摩擦、干扰回归观测矩阵，βr和βe为回归矩阵对应的参数，是βe的估计值，k2，k2，k3为增益矩阵，μ为任意小的正数，ρ为不确定性的上界。

40、进一步的，根据所述机器人轨迹复原控制结构进行效能评估得到机器人轨迹复原控制结果的计算式如下：

41、

42、其中，uc为机器人轨迹复原控制结果，u为机器人关节控制力矩，t0和tf分别为轨迹复原过程起始时刻与最终复原时刻。

43、与最接近的现有技术相比，本发明具有的有益效果：

44、创新性地提出了一种分层双环轨迹复原控制方法，在线辨识瞬时剧烈扰动信号然后进行状态重匹配，避免上层规划参考轨迹初始误差较大导致下层自适应鲁棒运动控制器饱和，进而造成系统失稳；考虑机器人驱动约束，利用上层时间最优轨迹规划模块在线生成参考轨迹，调节参考轨迹以尽可能短的时间收敛到期望轨迹，提高轨迹复原效率；下层自适应鲁棒运动控制器以上层规划轨迹信号作为输入，通过前馈、反馈和自适应技术削弱系统建模不确定性的影响，提高轨迹跟踪性能。所设计的基于规划在线轨迹调节的机器人轨迹复原控制方法在收敛效率和能量损耗方面得到了很大的提升。