機器人力控制畢業(yè)設(shè)計（含外文翻譯）

1、<p><b>　　目錄</b></p><p><b>　　摘要Ⅰ</b></p><p>　　AbstractⅡ</p><p><b>　　第一章 緒論1</b></p><p><b>　　1.1引言1</b></p>

2、<p>　　1.2機器人力控制研究現(xiàn)狀4</p><p>　　1.2.1 經(jīng)典的力控制方法4</p><p>　　1.2.2 機器人智能力控制方法7</p><p>　　1.3 機器人控制器的體系與結(jié)構(gòu)8</p><p>　　1.4 機器人力控制主要的研究問題10</p><p>　　1.5

3、力控制的應(yīng)用場合11</p><p>　　1.6 論文的主要研究內(nèi)容12</p><p>　　1.6.1 本文的課題背景12</p><p>　　1.6.2 本文要解決的幾個問題13</p><p>　　1.6.3 論文結(jié)構(gòu)13</p><p>　　第二章 阻抗力控制的研究14</p><

4、;p><b>　　2.1 引言14</b></p><p>　　2.1.1 阻抗控制的特點15</p><p>　　2.1.2 阻抗控制的實現(xiàn)方法15</p><p>　　2.2 阻抗控制方法原理16</p><p>　　2.2.1 機器人的動力學(xué)方程推導(dǎo)16</p><p>　　

5、2.2.2 雅克比矩陣的推導(dǎo)18</p><p>　　2.2.3 阻抗控制中傳統(tǒng)的參考軌跡算法20</p><p>　　2.3 機器人運動學(xué)分析21</p><p>　　2.4 機器人動力學(xué)分析22</p><p>　　2.5 本章小結(jié)25</p><p>　　第三章 視覺模型在機器人中的研究25</

6、p><p><b>　　3.1 引言25</b></p><p>　　3.1.1 機器人視覺的基本概念25</p><p>　　3.1.2 機器人視覺控制的作用26</p><p>　　3.2 機器人視覺控制的研究內(nèi)容27</p><p>　　3.2.1 攝像機標(biāo)定27</p>

7、<p>　　3.2.2 視覺測量28</p><p>　　3.2.3 視覺控制的結(jié)構(gòu)與算法28</p><p>　　3.3 視覺控制的發(fā)展現(xiàn)狀與趨勢29</p><p>　　3.3.1 攝像機標(biāo)定的發(fā)展現(xiàn)狀29</p><p>　　3.3.2 結(jié)構(gòu)光參數(shù)的標(biāo)定進展30</p><p>　　3.3.

8、3 機器人的視覺測量研究進展31</p><p>　　3.4 機器人視覺控制的應(yīng)用現(xiàn)狀32</p><p>　　3.5 本文攝像機模型與視覺系統(tǒng)的標(biāo)定34</p><p>　　3.5.1 單目攝像機模型——小孔成像模型34</p><p>　　3.5.2 攝像機內(nèi)參數(shù)模型標(biāo)定36</p><p>　　3.5.

9、3 攝像機外參數(shù)模型標(biāo)定38</p><p>　　3.5.4 單目二維視覺測量的攝像機標(biāo)定39</p><p>　　3.6 本章小結(jié)40</p><p>　　第四章 激光測距在機器人中的研究42</p><p><b>　　4.1 引言42</b></p><p>　　4.2 國內(nèi)外研究

10、現(xiàn)狀43</p><p>　　4.3 激光測距儀的分類44</p><p>　　4.4 激光傳感器工作原理與性能參數(shù)44</p><p>　　4.4.1 激光測距原理44</p><p>　　4.4.2 激光測距優(yōu)點46</p><p>　　4.4.3 激光傳感器的性能分析46</p><

11、;p>　　4.5 本章小結(jié)47</p><p>　　第五章 基于視覺模型與激光測距的機器人力控制仿真分析47</p><p><b>　　5.1引言47</b></p><p>　　5.2 視覺模型的仿真分析48</p><p>　　5.3 仿真結(jié)果48</p><p>　　5.4

12、 激光測距的仿真分析49</p><p>　　5.5 激光仿真結(jié)果49</p><p>　　5.6 基于視覺與激光測距下的力控制51</p><p>　　5.7 本章小結(jié)52</p><p>　　第六章 結(jié)論與展望53</p><p><b>　　6.1 結(jié)論53</b></p&

13、gt;<p><b>　　6.2 展望54</b></p><p><b>　　致謝55</b></p><p><b>　　參考文獻(xiàn)56</b></p><p><b>　　附錄A57</b></p><p><b>　　

14、附錄B72</b></p><p><b>　　摘要</b></p><p>　　信息融合技術(shù)是研究如何有效地綜合利用多傳感器信息，克服信息的不完備性和不確定性，更加準(zhǔn)確、全面地認(rèn)識和描述被測對象，從而做出正確的判斷和決策，近年來己成為研究的熱點。</p><p>　　本文是在傳統(tǒng)的力控制基礎(chǔ)上，應(yīng)用視覺模型與激光測距進一步對機器

15、人的力控制進行研究。經(jīng)過視覺與激光測距所得到的所研究物體的輪廓與未變形前的輪廓進行比較從而得到誤差，可以得到機械手應(yīng)該施加力的大小，達(dá)到控制機械手的目的。應(yīng)用兩種以上的傳感器進行信息融合可以提高控制精度。用M語言對視覺模型與激光測距進行編程，在MATLAB里進行仿真，通過改變攝像機的內(nèi)部參數(shù)以及外部參數(shù)，可以得到不同情況下的模擬結(jié)果，進而檢驗力控制結(jié)果。本文的目標(biāo)物體是一個橢圓，經(jīng)過兩種傳感器的在MATLAB中模擬仿真后，得到的基本上與

16、未變形前的形狀相近，通過比較得到誤差，從而得到控制機械手轉(zhuǎn)動力矩。</p><p>　　在進行編程時，視覺模型分為三個坐標(biāo)系進行研究，分別是世界坐標(biāo)系，攝像機坐標(biāo)系以及圖像坐標(biāo)系。視覺模型的原理也是在這三個坐標(biāo)系間進行圖像轉(zhuǎn)換的，最終呈現(xiàn)的是圖像坐標(biāo)，對與激光測距，利用相位式激光測距儀，適用測量精度較高的場合，編程時主要解決的是相位延遲的測量問題并且在模擬仿真的時候進行了一定的理想化。</p>&l

17、t;p>　　多傳感器信息融合技術(shù)是一門新興的實踐應(yīng)用技術(shù)，具有廣泛的應(yīng)用領(lǐng)域。它為各領(lǐng)域的信息處理以及決策支持提供了可靠的手段，具有很高的研究價值以及應(yīng)用潛力。本文介紹了信息融合技術(shù)的理論基礎(chǔ)、研究現(xiàn)狀以及發(fā)展方向，討論了視覺模型與激光測距計算在信息融合中的應(yīng)用問題以及相關(guān)算法。文中主要論述了多傳感器信息融合的視覺模型與激光測距方法以及MATLAB中視覺與激光測距的訓(xùn)練算法，并對其在機器人領(lǐng)域的應(yīng)用進行了介紹。視覺模型與激光測距在

18、經(jīng)歷了幾十年的曲折發(fā)展后，在信息科學(xué)領(lǐng)域等許多應(yīng)用方面己顯示出了巨大潛力和廣闊的應(yīng)用前景。利用多傳感器信息融合技術(shù)中的視覺方法將視覺與超聲波傳感器的信息進行融合，并在MATLAB軟件平臺上通過仿真驗證了融合算法的可行性和有效性。仿真結(jié)果表明此方法可以實現(xiàn)移動機器人在障礙物環(huán)境下的智能導(dǎo)航。</p><p>　　關(guān)鍵詞：多傳感器信息融合；力控制；機器人；視覺模型；激光測距；</p><p>

19、<b>　　Abstract</b></p><p>　　Information Fusion technology is used for how to utilize multisensor Information to overcome the inaccuracy while thoroughly describing concerned for correct judgments．

20、It has become a hot research in recent years．</p><p>　　Multi—sensor information fusion is a developing practical technology around the world with a wide range of application areas．It provides a reliable mean

21、s in the areas of information processing and decision support and has a very high research value as well as application potential．This article is on the basis of the traditional power control，The application of visual mo

22、dels and laser range finder further force control of robot research. A vision and laser ranging outline of the research object a</p><p>　　During programming, The visual model is divided into three coordinate

23、 systems research, are the world coordinate system, the camera coordinate system and image coordinate system. The principle of the visual model is between these three coordinate systems, image conversion.The final render

24、ed is image coordinates. For laser ranging, Use of phase-shift laser range finder, Applicable to measuring the high accuracy of the occasion.The main solution to the programming phase delay measurement and a cer</p>

25、;<p>　　The theoretical foundation，current research situation and developingdirection of the information fusion are introduced in this paper．At the same time，the application problem and relevant algorithm in inform

26、ation fusion of Visual model and Laser Ranging are discussed．The Visual model and Laser Ranging methods of information fusion are discussed，and its train algorithm in MATLAB，and its application to the robot is intr

27、oduced in the paper．Visual model and laser ranging have been developed for</p><p>　　in the obstacle environment．</p><p>　　Keywords：Multi—sensor information fusion；Force control; Robot；Visual mod

28、el； Laser Ranging</p><p><b>　　第一章 緒論</b></p><p><b>　　1.1引言</b></p><p>　　機器人在一定程度上可以代替人的勞動。環(huán)境感知是機器人進行決策規(guī)劃的基礎(chǔ)。環(huán)境感知能力的強弱直接影響機器人的控制決策能力。如何提高機器人對外界環(huán)境的感知力是非常重要的研究課

29、題。</p><p>　　隨著知識經(jīng)濟時代的到來，高新技術(shù)已成為世界各國爭奪的焦點，機器人技術(shù)作為高新技術(shù)的重要分支受到了各國的重視。機器人集中了機械工程、電子技術(shù)、計算機技術(shù)、自動控制理論以及人工智能等多學(xué)科的最新研究成果，代表了機電一體化的最高成就，是當(dāng)代科學(xué)技術(shù)發(fā)展最活躍的領(lǐng)域之一。機器人按照其用途可分為：工業(yè)機器人，服務(wù)機器人，水下機器人，空間機器人等。工業(yè)機器人是機器人家族中的重要一員，也是目前在技術(shù)上

30、發(fā)展最成熟、應(yīng)用最多的一類機器人。工業(yè)機器人作為機器人的一個重要分支，是近30 年來在自動操作機基礎(chǔ)上發(fā)展起來的一種能模仿人的某些動作和控制功能，并按照可變的預(yù)定程序、軌跡和其它要求，操縱工具實現(xiàn)多種操作的自動化機械系統(tǒng)[2]。它綜合了精密機械、控制傳感和自動按制技術(shù)等領(lǐng)域的最新成果。典型的工業(yè)機器人分為：弧焊機器人、點焊機器人、裝配機器人、噴涂機器人四類。從終端操作器的運動特性來看，可分為，(1)點對點控制(Point To Poin

31、t，PTP)：機器人運動為空間點到點間的直線運動，不涉及兩點間的移動路徑，只在目標(biāo)點處控制機器人末端執(zhí)行器的位置和姿態(tài)。這種控制方式簡單，適用于上下料、點焊、卸運等作業(yè)。</p><p>　　另一方面，從技術(shù)進步的角度，機器人可分為不同的類型。到目前為止，機器人可分為三代[3]：第一代機器人是“示教再現(xiàn)”型，目前在工業(yè)現(xiàn)場應(yīng)用的機器人還大多屬于這一代。第二代機器人帶有一定的能對環(huán)境感知的裝置，通過反饋控制，使機器

32、人能在一定程度上適應(yīng)變化的環(huán)境，比如采用焊縫跟蹤技術(shù)的焊接機器人。第一，二代機器人中具有代表性的有：1961年美國Unimation生產(chǎn)和銷售了第一臺工業(yè)機器人Unimate機器人(圖1.1)；1962 年美國的AMF 公司推出的Verstran 機器人；1979 年Unimation 公司推出了Puma 系列工業(yè)機器人(圖1.2)；日本山梨大學(xué)的牧野洋研制成具有平面關(guān)節(jié)的Scara 型機器人(圖1.3)。第三代機器人具有發(fā)現(xiàn)問題，并且

33、自主地解決問題的能力，也就是說具有一定的智能。這一類機器人也被稱為自治機器人或智能機器人。這類機器人帶有多種傳感器，能夠進行邏輯推理，判斷決策，在變化的內(nèi)部狀態(tài)與變化的外部環(huán)境中自主決定自身的行為，具有高度的適應(yīng)性和自治能力[2]，這類機器人正是當(dāng)前研究的熱點，有較大的理論意義、實際研究價值和廣闊的應(yīng)用前景。圖1.4為日本本田公司研制</p><p>　　自第一臺機器人問世以來,研制出剛?cè)嵯酀?，靈活自如的機器人,

34、一直是歷代機器人專家努力的目標(biāo)，而具備力控制能力是實現(xiàn)這一目標(biāo)的重要環(huán)節(jié)。同時，隨著機器人在各個領(lǐng)域應(yīng)用的日益廣泛，許多場合要求機器人具有對接觸力的感知和控制能力，不僅要求端部執(zhí)行器與環(huán)境接觸，還要控制其接觸力的大小。這類操作僅靠位置控制是無法完成的，如果機器人在位置控制方式下從事這類工作時，微小的位置誤差可能引起很大的接觸力，這種接觸力可能損壞機器人或接觸的環(huán)境，而制造更為精密的機器人去避免這種現(xiàn)象的發(fā)生，又極其困難且代價昂貴[5]。

35、所以機器人完成這些作業(yè)任務(wù)，必須具備柔順控制的能力，即機器人力控制的能力。這是機器人研究的一個熱點和難點問題。</p><p>　　一款名為“阿西莫”的智能機器人</p><p>　　通用汽車公司應(yīng)用的Unimate機器人</p><p>　　配備激光二極管和視覺特征的工業(yè)機器人FANUC M16-IB</p><p>　　Puma機器人

36、 </p><p>　　1.2機器人力控制研究現(xiàn)狀</p><p>　　1.2.1 經(jīng)典的力控制方法</p><p>　　機器人研究中，核心矛盾之一為：機器人在與特定接觸環(huán)境操作時，對可以產(chǎn)生任意作用力順應(yīng)性的高要求和機器人在自由空間操作時對位置伺服剛度及機械結(jié)構(gòu)剛度的高要求之間的矛盾[6,8]。在機器人接觸操作中、引入“順應(yīng)”概念來表示為克服機器人與環(huán)境之間相互

37、接觸所產(chǎn)生的巨大的接觸力，通過控制機器人所操作的工件和環(huán)境之間的接觸力來調(diào)整或修正它們之間的相對位置或運動等情形。機器人能夠?qū)佑|環(huán)境順從的這種能力被稱之為順應(yīng)性(compliance)，國內(nèi)外機器人專家進行了大量的研究，稱之為順應(yīng)控制研究。順應(yīng)性被分為主動順應(yīng)性和被動順應(yīng)性兩類。一般把采用力信息反饋的順應(yīng)稱為主動順應(yīng)(Active Compliance)；將機械結(jié)構(gòu)或裝置在外力作用下的順應(yīng)變形稱為被動順應(yīng)(Passive Compli

38、ance)。</p><p>　　被動順應(yīng)可以通過安裝于機器人末端的機械順應(yīng)裝置獲得，MIT Draper實驗室在對插軸入孔(Peg-in-hole)裝配過程運動規(guī)劃以及阻塞(Wedging)和卡死(Jamming)分析的基礎(chǔ)上，獲得了裝配過程所需的順應(yīng)性質(zhì)，并在此基礎(chǔ)上設(shè)計成功了獲得廣泛研究和應(yīng)用的RCC (Remote Center of Compliance)機構(gòu)。RCC實際上是一個裝在機械臂末端和末端執(zhí)行

39、器之間的具有多個自由度的彈性靈巧裝置，它僅限于特定任務(wù)(如帶導(dǎo)角的插軸入孔等)和結(jié)構(gòu)化環(huán)境。RCC機構(gòu)存在一個順應(yīng)中心點——若在此點處作用橫向力，只產(chǎn)生相應(yīng)的橫向位移，而不產(chǎn)生轉(zhuǎn)動；若繞此點處作用一扭矩，只產(chǎn)生相應(yīng)的轉(zhuǎn)動而不會伴隨有移動。在裝配任務(wù)中，當(dāng)受到由裝配接觸而產(chǎn)生的力或力矩作用時，RCC 機構(gòu)發(fā)生偏移變形或旋轉(zhuǎn)變形來吸收裝配中的不確定性誤差(主要是線性誤差和角度誤差)，從而順利完成裝配任務(wù)。選擇彈性體的剛度矩陣可以得到不同的順

40、應(yīng)特性[7]。</p><p>　　圍繞RCC機構(gòu)順應(yīng)，目前的研究集中在被動順應(yīng)的改進上，主要的方法有：</p><p>　　(1) VRCC(Variable Remote Center Compliance)：通過在RCC中采用一種具有可調(diào)剛度的球形彈簧，使得RCC 的順應(yīng)中心可以在一定范圍內(nèi)變化，從而擴大了RCC的應(yīng)用范圍。</p><p>　　(2) IRC

41、C(Instrumented Remote Center Compliance)：它由RCC和位姿檢測裝置結(jié)合形成，具有主動傳感器和被動調(diào)節(jié)的優(yōu)點，使IRCC具有更大的應(yīng)用范圍。機器人采用被動順應(yīng)裝置進行作業(yè)，顯然存在一定的問題：(1) 無法根除機器人高剛度與高順應(yīng)性之間的矛盾。(2) 被動順應(yīng)裝置的專用性強，適應(yīng)能力差，使用范圍受到限制。</p><p>　　(3) 機器人加上被動順應(yīng)裝置，其本身并不具備控制能

42、力，給機器人控制帶來了極大的困難，尤其在既需要控制作用力又需要嚴(yán)格控制定位的場合中，更為突出。</p><p>　　(4)無法使機器人本身產(chǎn)生對力的反應(yīng)動作，成功率較低等等。正是這些被動順應(yīng)方法的不足之處，決定了機器人專家們探索新方法的研究。因此，為克服被動順應(yīng)性存在的不足，主動順應(yīng)控制應(yīng)需而生。主動順應(yīng)通 過在機器人控制系統(tǒng)引入力傳感器信息，在獲得或維持所期望的接觸力的同時完成機器人運動指令。主動順應(yīng)控制也就是

43、力控制，成為機器人研究的一個主要方向[8]。</p><p>　　最早的力控制研究在20世紀(jì)50年代出現(xiàn)于放射性實驗工場的遠(yuǎn)程操作力反饋設(shè)計[9]，針對放射性實驗工場的惡劣環(huán)境，在電液式主從機械臂上裝上力反饋裝置，當(dāng)操作者在主操作機上操作時，就可以感受到從操作機上與環(huán)境的接觸作用力。60年代Mann主持研制了具有力反饋能力的人造肘[10]。關(guān)節(jié)電機由“肌肉”電極信號和關(guān)節(jié)應(yīng)變儀信號驅(qū)動，模擬肌肉作用效果。在力控制

44、研究初期，由于人們更多地采用自然的方法進行力控制，故研究熱點放在了穩(wěn)定性上面，而控制策略和任務(wù)理解則研究較少。自70 年代以來，隨著計算機、機器人傳感器和控制技術(shù)的飛速發(fā)展，機器人的力控制逐漸發(fā)展成為機器人研究的一個主要方向，理論和實踐上均取得了重要的進展,逐漸出現(xiàn)了多種力控制方法。 </p><p>　　力控制方法可以分為經(jīng)典力控制和智能力控制方法。經(jīng)典力控制方法主要包括由Mason，Raibert，Craig

45、，Zhang 等人提出的力/位混合控制策略。Mason[11]最先考慮了當(dāng)任務(wù)的幾何特性對順應(yīng)運動施加約束時的全局運動規(guī)劃方法。他通過定義自然約束和人工約束，規(guī)定廣義表面和約束坐標(biāo)系，應(yīng)用形式化語言描述力的控制，合成裝配順應(yīng)運動的控制策略。Mason的工作不限于裝配操作，但應(yīng)用這種全局運動規(guī)則方法需要導(dǎo)出任務(wù)描述，該方法的問題是沒有考慮裝配零件的幾何和位置的不確定性因素。Raibert[12]等人提出了機器人位置／力混合控制方案，該方案

46、的設(shè)計依賴于操作臂運動學(xué)、動力學(xué)以及環(huán)境的控制結(jié)構(gòu)。如果約束環(huán)境變化，則必須重新設(shè)計順應(yīng)控制器的結(jié)構(gòu)。Zhang H[13]等人提出了把操作空間的位置環(huán)用等效的關(guān)節(jié)位置環(huán)代替的改進方法，但必須根據(jù)精確的環(huán)境約束方程實時的確定雅可比矩陣并計算其坐標(biāo)系，同時也要實時地用選擇矩陣來決定力和位控方向。</p><p>　　經(jīng)典的力控制方法還包括由Whitney，Salisbury，Hogan，Maples, Becker

47、等人提出的阻抗控制。Salisbury[14]等人提出了基于笛卡爾空間的主動剛度控制(Stiffness control)方案，該方案通過剛度矩陣將力信息轉(zhuǎn)換成期望的機器人位置信息。Whitney[15]提出了力反饋控制的阻尼控制(Damping control)方法，該方法將操作中接觸力信息映射成機器人操作速度信息。Maples 和Becker[16] 進行了總結(jié)：這類力控制不外乎基于位置和速度的兩種形式，當(dāng)把力反饋信號同時轉(zhuǎn)換為位置

48、和速度的修正量時，即為阻抗控制(Impedance Control)。Hogan[17] 則確立了阻抗控制的一般性的概念。還有其它操作順應(yīng)控制方案，如導(dǎo)納控制(Admittance Control)方案和適調(diào)控制(Accommodation Control)方案。</p><p>　　上述兩種經(jīng)典的力控制策略為力控制研究發(fā)展打下了堅實的基礎(chǔ)，但它們都需要精確的受限環(huán)境模型和機器人動力學(xué)模型。另外，機器人本身的多自

49、由度、位姿的不確定性、力/位強耦合都限制了經(jīng)典力控制方法的應(yīng)用。因此眾多學(xué)者對力控制進行自適應(yīng)研究嘗試[18-21]。其中，Nemec B[18]在結(jié)合自適應(yīng)算法和基于位控的混合控制策略補償環(huán)境剛度的變化。Nicoletti G M[19]用Lyapunov穩(wěn)定理論，針對約束運動，對模型參考自適應(yīng)PID控制的穩(wěn)定性條件和判據(jù)進行了研究。Cheah[20]等人用自適應(yīng)的方法在力/位混合控制模型中對機器人系統(tǒng)中運動學(xué)和動力學(xué)的不確定性進行補

50、償。針對力控制特點，眾多學(xué)者進行了變結(jié)構(gòu)力控制嘗試。從現(xiàn)有的成果來看，自適應(yīng)控制和變結(jié)構(gòu)控制大部分處于理論研究和仿真實現(xiàn)的水平，并沒有取得突破，付諸實現(xiàn)還有待時日。</p><p>　　機器人經(jīng)典的力控制方法和自適應(yīng)力控制方法都存在一個共同的建模難題，而實際機器人系統(tǒng)和受限環(huán)境中的時變、強耦合以及不確定性給機器人控制帶來了困難，增加了建模的難度。因此，要想徹底解決這些問題，必須用智能控制的手段，機器人力控制的研究

51、也將進入智能化階段。</p><p>　　1.2.2 機器人智能力控制方法</p><p>　　對智能控制的研究，主要體現(xiàn)在基于知識系統(tǒng)(Knowledge based system,KBS)、模糊邏輯(Fuzzy logic)和人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network)的研究。智能控制方法主要有模糊控制，神經(jīng)元控制，模糊神經(jīng)元控制。當(dāng)接觸環(huán)境的幾何參數(shù)和動力學(xué)參

52、數(shù)未知時，需要在傳統(tǒng)的力控制算法中加入一些智能控制方法，以便使控制器具有對未知環(huán)境的適應(yīng)能力，這是當(dāng)前機器人力控制領(lǐng)域討論的熱點之一。模糊數(shù)學(xué)是模擬人類思維的數(shù)學(xué)，是一類語言控制，其主要特點是對控制系統(tǒng)設(shè)計并不需要通常意義上被控對象的數(shù)學(xué)模型，而是需要操作者或領(lǐng)域?qū)＜业慕?jīng)驗、知識、操作數(shù)據(jù)等，是一類“專家系統(tǒng)”。這樣對于機器人系統(tǒng)中的非線性、不確定等問題可以通過模糊控制的方法來解決。</p><p>　　控制通過

53、對被控對象輸入，輸出量的檢測，進行一系列有針對性的各種可能狀態(tài)的推理和判斷，并做出適應(yīng)性的最優(yōu)化控制，因而在機器人控制應(yīng)用中也取得了一定的效果。如Huang L, Ge S S等人[23]提出一種受限機器人的模糊力控制算法，此算法可以完成對非剛性表面的力跟蹤，但需要已知接觸表面的位置。Baptista L F, Sousa J M[24]針對形狀已知的接觸表面，提出一種基于參考模型的預(yù)測力控制算法。</p><p&g

54、t;　　人工神經(jīng)網(wǎng)絡(luò)是對生物神經(jīng)網(wǎng)絡(luò)的抽象、簡化和功能模擬。神經(jīng)網(wǎng)絡(luò)方法具有模糊性、自適應(yīng)性和自學(xué)習(xí)性的特點，比以往的傳統(tǒng)控制方法有極大的優(yōu)越性。把神經(jīng)元網(wǎng)絡(luò)用于機器人力控制可以使系統(tǒng)的動靜態(tài)響應(yīng)性能、自適應(yīng)能力和魯棒性均得到顯著改善。在大部分的應(yīng)用中，都是在機器人模型部分已知的情況下，用神經(jīng)元網(wǎng)絡(luò)來補償真實機器人模型的誤差、機器人系統(tǒng)的不確定信息或者預(yù)先得到近似的機器人模型，以減少在線計算上的負(fù)擔(dān)。具有代表性的研究有，Connolly

55、 T H[25]等將多層前向神經(jīng)網(wǎng)絡(luò)用于力／位混合控制，根據(jù)檢測到的力和位置由神經(jīng)網(wǎng)絡(luò)計算選擇矩陣和人為約束，并進行了插孔實驗。日本的Tokita M,Mituoka T[26]等人用4 層前饋神經(jīng)網(wǎng)絡(luò)構(gòu)造了神經(jīng)伺服控制器，進行了細(xì)針刺紙實驗，能將力控制到不穿破紙的極小范圍，此后不久，又將之用于碰撞試驗，取得了一定的成果，但機構(gòu)簡單，針對性強，尚缺少普遍性。同時，神經(jīng)網(wǎng)絡(luò)又存在它固有的一些問題。如：神經(jīng)網(wǎng)絡(luò)的泛化能力不足，制約了控制系統(tǒng)

56、的魯棒性。網(wǎng)絡(luò)本身的黑箱式內(nèi)部知識表達(dá)方式，使其不能利用初始經(jīng)驗進行學(xué)習(xí)，易于陷入局部極小，分布式并行計算的潛力還有賴于硬件實現(xiàn)</p><p>　　1.3 機器人控制器的體系與結(jié)構(gòu)</p><p>　　1.2 節(jié)所述的機器人控制算法要通過具體的機器人控制器去實現(xiàn)。機器人控制器的設(shè)計通常分為兩個階段：功能設(shè)計和結(jié)構(gòu)設(shè)計。功能設(shè)計階段主要完成控制功能和算法的定義，而結(jié)構(gòu)設(shè)計階段是實現(xiàn)功能在硬

57、件和軟件上的分布。機器人控制器體系結(jié)構(gòu)主要是指控制機器人的軟件和硬件結(jié)構(gòu)，通常也簡稱為機器人體系結(jié)構(gòu)。文獻(xiàn)[34]對機器人控制器體系結(jié)構(gòu)研究的現(xiàn)狀和發(fā)展做了總結(jié)。</p><p>　　機器人控制器的研究已經(jīng)由硬件過渡到軟件、由具體控制器過渡到通用開放式體系結(jié)構(gòu)、由單獨控制過渡到多機協(xié)調(diào)控制。國內(nèi)外專門的研究機構(gòu)和公司對機器人控制器正在進行許多開創(chuàng)性的研究。歸納起來主要在兩個方面：(1)機器人控制器的功能結(jié)構(gòu)，主要

58、是智能控制、多算法融合和性能分析、控制器體系結(jié)構(gòu)；(2)控制器的實現(xiàn)結(jié)構(gòu)，主要是實施多任務(wù)操作系統(tǒng)、開放結(jié)構(gòu)標(biāo)準(zhǔn)、多控制器結(jié)構(gòu)和網(wǎng)絡(luò)化、運動控制器。當(dāng)然，兩者之間在一定范圍內(nèi)是重合進行的。</p><p>　　機器人控制器合理的體系結(jié)構(gòu)對機器人控制算法的實現(xiàn)至關(guān)重要。因此，機器人體系結(jié)構(gòu)方面的研究已成為熱點，其重點是功能劃分和功能之間信息交換的規(guī)范方面。例如，在日本，體系結(jié)構(gòu)以硬件為基礎(chǔ)來劃分。如三菱重工株式會社

59、將其生產(chǎn)的PA-10可攜帶式通用智能臂式機器人的結(jié)構(gòu)劃分為五層結(jié)構(gòu)：第一層為7關(guān)節(jié)操作器；第二層是伺服驅(qū)動；第三層是運動控制器；第四層是操作控制，包括操作箱；第五層應(yīng)用程序開發(fā)環(huán)境。DENSO 公司生產(chǎn)了一種新型機器人控制器NetwoRC，采用PC 機結(jié)構(gòu)、網(wǎng)絡(luò)通信、新的機器人編程語言和帶有GUI環(huán)境的多功能示教板，并將其應(yīng)用于PA-10機器人的控制，該機器人的結(jié)構(gòu)分為四層：機器人本體、伺服驅(qū)動、運動控制和操作界面。明確機器人控制器的定

60、義，可以清楚的界定機器人控制器所涉及的范圍，研究的對象以及最終的目標(biāo)。在美國，美國國家航空、宇航局和國家標(biāo)準(zhǔn)化局標(biāo)準(zhǔn)化制定了一個概念模型NASREM——遙控機器人控制系統(tǒng)結(jié)構(gòu)的參考模型，這是第一個企圖完全說明</p><p>　　智能系統(tǒng)全部組件的模型。采用層次結(jié)構(gòu)，每一層又分為三模塊：任務(wù)分解、環(huán)境建模和傳感信號處理。這種結(jié)構(gòu)為處理大系統(tǒng)提供了一種標(biāo)準(zhǔn)的方法。由美國空軍贊助、Martin Marietta公司實

61、施的開放系統(tǒng)結(jié)構(gòu)標(biāo)準(zhǔn)的規(guī)范——下一代通用控制器NGC(Next Generation Controller-NGC)。同時，美國空軍為大型飛機的自動化維護和保養(yǎng)，實施了一個多階段計劃——統(tǒng)一遙控機器人結(jié)構(gòu)計劃(UTAP)，主要目標(biāo)是開發(fā)維護遙操作機器人。在系統(tǒng)操作方面包括三個單元，一是對象建模模塊，它提供一個硬件和任務(wù)環(huán)境模型。二是任務(wù)描述模塊，它提供一個方法來建立任務(wù)程序。三是任務(wù)執(zhí)行模塊，它完成仿真或驅(qū)動裝置。硬件結(jié)構(gòu)分為兩部分：本

62、地部分和遠(yuǎn)地部分。同時，也對模型通信方面的實際命令、數(shù)據(jù)類型和結(jié)構(gòu)進行了比較分析，其目的是將所需的內(nèi)部數(shù)據(jù)交換量最小化。另外，也進行了結(jié)構(gòu)規(guī)范和有效性相關(guān)問題的研究。George Saridis 提出了智能機器理論[35]，這種方法是基于三層控制結(jié)構(gòu)。首先，依照Boltzman 機器結(jié)構(gòu)建立了組織層(Organization Level)，用于抽象推理、任務(wù)規(guī)劃和決策。其</p><p>　　1.4 機器人力控制

63、主要的研究問題</p><p>　　機器人力控制中存在五個關(guān)鍵問題：位置伺服，碰撞沖擊，穩(wěn)定性研究，未知環(huán)境的約束研究，力傳感器。以下將詳細(xì)論述。(1) 位置伺服機器人的力控制最終是通過位置控制來實現(xiàn)，所以位置伺服是機器人實施力控制的基礎(chǔ)。力控制研究的目的之一是實現(xiàn)精密裝配；另外，約束運動中機器人終端與剛性環(huán)境相接觸時，微小的位移量往往產(chǎn)生較大的環(huán)境約束力。因此位置伺服的高精度是機器人力控制的必要條件。經(jīng)過幾十年

64、的發(fā)展，單獨的位置伺服已達(dá)到較高水平。因此，針對力控制中力/位之間的強耦合，必須有效解決力/位混合后的位置伺服問題。(2) 碰撞沖擊機器人力控制過程中，必然存在機器人與環(huán)境從非接觸到接觸的過渡轉(zhuǎn)換，理想狀況是當(dāng)接觸到環(huán)境后立即停止運動，盡可能避免大的沖擊，但由于慣性大且實時性差，極難達(dá)到。狹義上，主動順應(yīng)和被動順應(yīng)本身就是一對矛盾。如果沒有足夠的被動順應(yīng)環(huán)節(jié)來吸收能量，為避免碰撞沖擊帶來的破壞，只能是適當(dāng)減小接觸前的運動速度。因而碰撞沖

65、擊本質(zhì)上制約著力控制的穩(wěn)定性。對于轉(zhuǎn)換過程中的力沖擊抑制問題，國內(nèi)學(xué)者開展了大量的研究工作。具有代表性的有：非線性系統(tǒng)中單邊受限問題的非連續(xù)轉(zhuǎn)換控制策略，國內(nèi)中科院沈陽自動化研究所</p><p>　　關(guān)節(jié)式力/力矩傳感器有兩種不同的方式：(1)使用應(yīng)變片進行力反饋；(2) 采用電流檢測式關(guān)節(jié)轉(zhuǎn)矩傳感。如果在機器人關(guān)節(jié)轉(zhuǎn)矩控制中關(guān)節(jié)力信息的提取采用應(yīng)變片式關(guān)節(jié)傳感，這種傳感方式包含了電機的非線性，關(guān)節(jié)傳動機構(gòu)的摩

66、擦和負(fù)載的摩擦轉(zhuǎn)矩的影響，應(yīng)變片在機器人關(guān)節(jié)上的安裝將會減少機械結(jié)構(gòu)的剛度，引起機器人控制的不穩(wěn)定，同時也減少伺服系統(tǒng)的帶寬。如果采用電流檢測式關(guān)節(jié)轉(zhuǎn)矩傳感，可以直接檢測驅(qū)動器的反饋電流，利用反饋電流和關(guān)節(jié)轉(zhuǎn)矩的關(guān)系進行關(guān)節(jié)轉(zhuǎn)矩的間接測量，與應(yīng)變式傳感相比，不需要專門安裝應(yīng)變片，結(jié)構(gòu)簡單，實時性更好且不會對機器人的結(jié)構(gòu)剛度產(chǎn)生任何影響。這也是電流測量式關(guān)節(jié)傳感的優(yōu)勢。但機器人系統(tǒng)中存在著各種干擾項，如重力、負(fù)載的影響、摩擦動力學(xué)相互作用

67、、傳動機構(gòu)間隙和摩擦等。因此，如果采用基于電流檢測的關(guān)節(jié)力矩控制必須對以上的不確定性和干擾進行必要的補償。</p><p>　　手腕式腕力傳感器被安裝于機器人末端執(zhí)行機構(gòu)與機器人手腕的聯(lián)接處，它能夠獲得在機器人末端操作時的大部分的力信息。另外，由于精度高(分辨率、靈敏度和線性度等)，可靠性好，使用方便的緣故，為機器人力控制研究所常用。 </p><p>　　手指式力傳感器，一般通過應(yīng)變片

68、測量而產(chǎn)生多維力信號，常用于小范圍作業(yè)。如：靈巧手抓雞蛋等實驗，精度高，可靠性好，漸漸成為機器人力控制研究的一個重要方向，但多指協(xié)調(diào)復(fù)雜。</p><p>　　1.5 力控制的應(yīng)用場合</p><p>　　有關(guān)力控制的實驗和應(yīng)用主要表現(xiàn)在如下幾個方面：</p><p><b>　　(1) 裝配操作</b></p><p>

69、;　　典型作業(yè)包括插銷入孔，旋擰螺釘，搖轉(zhuǎn)曲柄，搬運堆放重物等?？刂菩Ч脑u價指標(biāo)一般為裝配間隙，受力狀況和操作時間等方面。</p><p><b>　　(2) 表面跟蹤</b></p><p>　　典型作業(yè)包括擦洗飛機、擦玻璃、修理工件表面(去毛刺,磨削或拋光等)、跟蹤焊縫等。</p><p><b>　　(3) 雙手協(xié)調(diào)</

70、b></p><p>　　要求兩個或兩個以上的機器人手臂在相互約束的條件下能夠協(xié)調(diào)地工作。通常一個手臂主動，另一手臂在力控制下隨動。雙手協(xié)調(diào)是未來多臂機器人研究的基礎(chǔ)。</p><p><b>　　(4) 靈巧手</b></p><p>　　多手指協(xié)調(diào),控制抓拿物體(如雞蛋、乒乓球等)力的大小。</p><p>　

71、　圖1.5(a)，(b)，(c)為機器人力控制的應(yīng)用實例。</p><p>　　圖1.5 機器人力控制應(yīng)用</p><p>　　1.6 論文的主要研究內(nèi)容</p><p>　　1.6.1 本文的課題背景</p><p>　　本文以機械手在非規(guī)則回轉(zhuǎn)殼體內(nèi)或外表面上完成清理污垢、粘貼膠片或打磨表面等一類接觸性作業(yè)作為機器人力控制具體的研究背景。

72、以加工橢圓型工件為例，此操作是一項困難的工作。它的形狀變化是平滑的，但變化是非規(guī)律的。并且隨著粘貼膠片層數(shù)的增加和膠片材質(zhì)的變化，殼體內(nèi)壁上的剛度是未知且不斷變化的。因此機械手力控制操作是在接觸環(huán)境動態(tài)特性(形狀和剛度)未知條件下進行的，采用傳統(tǒng)的力控制方法不能進行精確的力控制，需要在傳統(tǒng)力控制方法的基礎(chǔ)上引入智能控制算法，以便使機械手對接觸環(huán)境動態(tài)特性的變化具有適應(yīng)能力。</p><p>　　針對在以上操作環(huán)境

73、中(形狀和剛度均未知的接觸表面)進行精確力控制的問題，本文提出了視覺模型與激光測距在力控制中的應(yīng)用，對接觸表面的未知幾何參數(shù)進行預(yù)測，同時對接觸表面的未知剛度變化進行補償。并在不同的控制模型中進行了仿真研究。組建了能夠進行力跟蹤實驗的開放式機器人實驗平臺，分析了硬件和軟件體系結(jié)構(gòu)的特點，對非規(guī)則、變剛度的受限表面進行力跟蹤實驗研究，所得的實驗結(jié)果對智能機器人的設(shè)計具有重要參考價值。</p><p>　　1.6.2

74、 本文要解決的幾個問題</p><p>　　本文將就在未知接觸環(huán)境下進行力控制的問題展開研究，主要將解決以下幾個方面的問題：</p><p>　　(1) 如何在接觸環(huán)境的剛度未知且不斷變化的情況下，通過智能控制手段與視覺模型和激光測距實現(xiàn)精確力控制的問題。</p><p>　　(2) 如何在接觸環(huán)境的形狀和剛度完全未知情況下，即在受限環(huán)境的動態(tài)特性完全未知時，通過智

75、能控制方法，視覺傳感器及激光測距對接觸環(huán)境的幾何形狀參數(shù)及動力學(xué)參數(shù)進行預(yù)測和補償，從而實現(xiàn)精確力控制的問題。</p><p>　　(3) 如何構(gòu)造一種開放式的機器人力控制系統(tǒng)。在該系統(tǒng)中可以實現(xiàn)用戶定制的智能預(yù)測算法，視覺模型（CCD攝像機）與激光測距儀進行預(yù)定的力控制實驗。</p><p>　　(4) 在開放式機器人實驗平臺中，在不同的控制模型(力/位混合控制模型，阻抗控制模型)、不同

76、的預(yù)測方式、不同的跟蹤速度、不同的期望力，不同的接觸剛度條件下應(yīng)用智能控制算法對非規(guī)則受限表面進行了力跟蹤實驗，分析未知環(huán)境參數(shù)變化對力控制效果的影響。</p><p>　　1.6.3 論文結(jié)構(gòu)</p><p>　　第一章介紹了機器人力控制的研究現(xiàn)狀、機器人控制器的體系結(jié)構(gòu)、機器人力控制中主要的研究問題。同時，介紹了本論文研究的背景和研究內(nèi)容。</p><p>　　

77、第二章在傳統(tǒng)的阻抗控制模型中應(yīng)用模糊控制的方法實時調(diào)整參考軌跡，使機械手在受限運動中能夠適應(yīng)環(huán)境未知剛度的變化，同時在受限運動中改變阻抗模型參數(shù)使跟蹤位置誤差和力誤差達(dá)到最小，提高全局的力控制效果。</p><p>　　第三章針對機器人在形狀和剛度均未知的接觸環(huán)境表面上進行柔順控制的問題。視覺測量技術(shù)是建立在計算機視覺研究基礎(chǔ)上的一門新興技術(shù)，研究重點是物體的幾何尺寸及物體在空間的位置、姿態(tài)等的測量?。視覺測量的

78、分類方法有多種，其一是按所用視覺傳感器數(shù)量可以分為單目視覺測量、雙目視覺(立體視覺)測量和三(多)目視覺測量等。單目視覺測量是指僅利用一臺數(shù)碼相機或攝像機拍攝單張像片來進行測量工作。因其僅需一臺視覺傳感器，所以該方法的優(yōu)點是結(jié)構(gòu)簡單、相機標(biāo)定也簡單，同時還避免了立體視覺中的視場小、立體匹配難的不足，因而近年來這方面的研究比較活躍。</p><p>　　第四章是在應(yīng)用視覺模型的基礎(chǔ)上，在應(yīng)用激光測距更加準(zhǔn)確的測量所

79、要加工物體的形狀，位置以及姿態(tài)等信息。激光測距是光波測距中的一種測距方式，激光測距分為數(shù)字式與相位式兩種方法，本章主要利用相位式測量，相位式激光測距儀一般應(yīng)用在精密測距中。由于其精度高，一般為毫米級。</p><p>　　第五章經(jīng)過第三章與第四章對視覺模型與激光測距原理的簡單介紹，本章開始對這兩種傳感器在機器人力控制中的應(yīng)用進行詳細(xì)的模擬仿真與分析。</p><p>　　第六章對本文的研究

80、進行總結(jié)，并展望進一步研究的前景。</p><p>　　第二章 阻抗力控制的研究</p><p><b>　　2.1 引言</b></p><p>　　阻抗控制不直接控制機械手末端與環(huán)境的作用力，而是通過調(diào)整反饋位置誤差、速度誤差或剛度使機械手末端的位置(或速度)及與接觸環(huán)境的作用力之間滿足某種理想的動態(tài)關(guān)系，從而使機械手表現(xiàn)出對環(huán)境的柔順

81、性，達(dá)到期望的接觸力。在阻抗控制方法中以目標(biāo)阻抗控制模型來表現(xiàn)機械手末端與接觸環(huán)境之間作用力理想的動態(tài)關(guān)系。雖然阻抗控制方法形式簡單且易于實現(xiàn)，但阻抗模型需要精確預(yù)知接觸環(huán)境的參數(shù)信息，如接觸環(huán)境的剛度和形狀信息等。在實際的應(yīng)用中，對環(huán)境的了解往往是不知道或者不完全知道，這導(dǎo)致在許多場合，特別是力控制精度要求較高的場合中，傳統(tǒng)的阻抗控制方法不能應(yīng)用。為了克服這個缺陷，需要在傳統(tǒng)的阻抗控制算法中加入一些智能控制方法，以便使控制器具有對未知

82、環(huán)境的適應(yīng)能力。</p><p>　　對于焊接，噴漆，搬運等工作，機器人的末端執(zhí)行器在運動過程中不與外界物體直接接觸，機器人只需位置控制就夠了。而對于切削，磨光，裝配作業(yè)僅有位置控制很難完成任務(wù)。還必須控制機器人與操作對象間的作用力以順應(yīng)接觸約束。機器人采用力控制可以控制機器人在具有不確定性環(huán)境下實現(xiàn)與該環(huán)境想順應(yīng)的運動，從而可以更好地順應(yīng)更復(fù)雜的操作任務(wù)。</p><p>　　對一些復(fù)雜

83、的作業(yè)，如工作環(huán)境不確定或變化的裝配和高精度的裝配，對公差要求甚至超過了機器人本身能達(dá)到的精度，這時如試圖通過位置控制來提高精度，不僅代價昂貴，而且可能是徒勞無益的。而采用了力控制后，可以大大提高機器人有效作業(yè)精度。</p><p>　　Hongan提出機器人的阻抗控制方法后，許多學(xué)者對阻抗控制進行了研究，發(fā)展了多種基于阻抗控制的控制方法。本文試圖對文獻(xiàn)中的阻抗控制進行總結(jié)，總結(jié)了阻抗控制與其它力控制的不同，對阻

84、抗的方法進行了分析與分類。</p><p>　　2.1.1 阻抗控制的特點</p><p>　　在實現(xiàn)力控制時，阻抗控制，力位置混合控制、顯示力控方法各有其獨特的特點。力位置控制方法是基于末端執(zhí)行器的坐標(biāo)空間按其是否被環(huán)境約束而分為位置子空間與力子空間。力位置控制方法通過控制末端執(zhí)行其在末端執(zhí)行器在位置子空間的位置和力子空間的力來實現(xiàn)順應(yīng)控制。這種方法的優(yōu)點是可以直接控制末端執(zhí)行器與環(huán)境之

85、間的相互作用力，這在有些場合是很重要的。其缺點是需要很多的任務(wù)規(guī)劃，以及需要在力控制與位置控制之間進行轉(zhuǎn)換。</p><p>　　阻抗控制是調(diào)節(jié)末端執(zhí)行器與接觸力之間的關(guān)系來實現(xiàn)順應(yīng)控制的，這種方法為了避碰、有約束和無約束的運動提供了統(tǒng)一的方法。其優(yōu)點是需要很少的離線任務(wù)規(guī)劃，對擾動和不確定性有很好的魯棒性。能實現(xiàn)系統(tǒng)由無約束運動到有約束運動的穩(wěn)定轉(zhuǎn)換，因此阻抗控制被認(rèn)為更適合完成裝備工作。其缺點是在實際工作中很

86、難得到末端執(zhí)行器的參考軌跡和環(huán)境位置、剛度。從而既無法實現(xiàn)準(zhǔn)確的位置控制又無法準(zhǔn)確實現(xiàn)力控制。近年來提出了基于阻抗控制的力跟蹤算法。</p><p>　　2.1.2 阻抗控制的實現(xiàn)方法</p><p>　　在阻抗控制的早期，使用了固定增益的PD控制，這種方法實現(xiàn)簡單，但在機器人位形以及速度變化時無法保持理想的阻抗，經(jīng)過學(xué)者們的努力，發(fā)展了多種阻抗方法，總的來說有兩種實現(xiàn)阻抗的方法，一種是

87、基于動力學(xué)的阻抗模型方法，另一類是基于位置模型的阻抗控制方法。</p><p>　　基于動力學(xué)模型的阻抗方法是應(yīng)用最廣泛的方法，這種方法檢測位置和接觸力，實用動力學(xué)模型作為前饋輸入，所以這種控制策略依賴于動力學(xué)模型的準(zhǔn)確性。同時基于位置阻抗控制方法相比，這種方法能提供為減小接觸力所需的較小的理想的阻尼和剛度?；谖恢玫淖杩箍刂品椒ㄍǔＶ荒苁谴蟮睦硐胱枘岷蛣偠龋@不利于減小機器人與約束之間的接觸力。</p&g

88、t;<p>　　隨著人工智能的發(fā)展，運用智能控制的成果，發(fā)展了多種智能控制策略來提高基于動力學(xué)模型的阻抗控制方法的控制性能。是基于動力學(xué)模型的控制器在存在動力學(xué)模型的不確定性時也能達(dá)到好的控制效果。給定目標(biāo)阻抗，學(xué)習(xí)控制器能通過學(xué)習(xí)，使操作機能通過操作的重復(fù)進行是閉環(huán)響應(yīng)達(dá)到目標(biāo)阻抗。其缺點是假定每次操作取樣的初始位置和速度，且假定無動力學(xué)波動和測量噪聲?；谖恢米杩箍刂品椒ㄔ趯嵤r通過跟蹤理想阻抗模型的位置來實現(xiàn)的。這種

89、方法需要檢測位置、速度和接觸力。將檢測到的接觸力施加到理想阻抗模型。從而可以獲得理想位置矢量。使用內(nèi)部控制環(huán)來跟蹤這個位置矢量，這種方法不依賴于動力學(xué)模型，由于位置控制器的大增益會帶來關(guān)節(jié)的高剛度，這種方法的缺點是當(dāng)機器人的實際位置和模型理想位置矢量不同時將帶來大的阻抗誤差。從而將這種方法限制在簡單的任務(wù)中。</p><p>　　當(dāng)使用阻抗控制來完成任務(wù)時，選用適當(dāng)?shù)淖杩箍刂茀?shù)是非常重要的。主要有三種方法來獲得

90、阻抗控制參數(shù)。一種是通過自適應(yīng)方法來在線獲得阻抗控制參數(shù)，另一種是利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法，最后一種是從示教數(shù)據(jù)來獲得阻抗數(shù)控制參數(shù)。</p><p>　　阻抗控制是一種重要的力控制方法，機器人的阻抗控制方法同力位置控制方法相比具有魯棒性好，僅需較少的任務(wù)規(guī)劃等明顯優(yōu)點，但在工業(yè)生產(chǎn)中并未得到廣泛應(yīng)用，原因是一方面阻抗控制最常用的實施方法都是基于機器人動力學(xué)模型的，而要以充分的速率對機器人的動力學(xué)模型進行計算需要相

91、當(dāng)高級的計算機，同時由于模糊參數(shù)的誤差，使得復(fù)雜計算得到的效果不理想，另一方面是要獲得理想的阻抗控制參數(shù)較為困難。如前所述，阻抗控制的參數(shù)要用神經(jīng)學(xué)習(xí)或通過對示教數(shù)據(jù)進行處理才能獲得。這不是輕而易舉的，這些問題雖經(jīng)人們的努力，但未得到完全的解決。</p><p>　　2.2 阻抗控制方法原理</p><p>　　2.2.1 機器人的動力學(xué)方程推導(dǎo)</p><p>　

92、　阻抗控制方法是由Hogan(1985) [17]明確提出的。阻抗控制不孤立考慮機械手與接觸環(huán)境，而是充分考慮兩者的耦合關(guān)系。當(dāng)機械手對接觸環(huán)境進行作業(yè)時，對于接觸環(huán)境來說，至少包含慣性或運動學(xué)限制，接觸環(huán)境接受力輸入來決定其運動響應(yīng)，這樣可以把接觸環(huán)境用導(dǎo)納來描述；對于機械手來說，為了保證其與接觸環(huán)境(導(dǎo)納系統(tǒng))的物理相容性，機械手應(yīng)該具有阻抗特性。Hogan 利用Norton 等效網(wǎng)絡(luò)中的概念來描述機械手與外界環(huán)境間的動態(tài)接觸—即將

93、外界接觸環(huán)境等效為導(dǎo)納，其輸入為接觸力，輸出為運動響應(yīng)；而將機械手等效為阻抗，其輸入為運動響應(yīng)，輸出為接觸力。這樣機械手與接觸環(huán)境系統(tǒng)的行為類似于一個匹配的阻抗電路，機械手力控制問題便成了阻抗調(diào)節(jié)問題。阻抗控制就是能實現(xiàn)預(yù)定期望動態(tài)關(guān)系的控制律，這個期望動態(tài)律包括預(yù)先確定的慣性、阻尼和剛性，它代表了機械手的末端位置與接觸環(huán)境作用力之間一種恰當(dāng)?shù)膭討B(tài)關(guān)系。</p><p>　　阻抗控制的特點是不直接控制機器人與環(huán)境

94、的作用力，而是根據(jù)機器人端部的位置(或速度)和作用力之間的關(guān)系，通過調(diào)整反饋位置誤差、速度誤差或剛度來達(dá)到控制力的目的。其中，Whitney[89]把力反饋轉(zhuǎn)換為速度的調(diào)整量，這時力控制成為阻尼控制。Salisbury把力反饋信號轉(zhuǎn)換為位置的調(diào)整量，這時力控制成為剛度控制。Whitney還進一步設(shè)計了用于特定任務(wù)的剛度矩陣。Maples 和Becker進行了總結(jié)：這類力控制不外乎基于位置和速度的兩種形式，當(dāng)把力反饋信號同時轉(zhuǎn)換為位置和速

95、度的修正量時，即為阻抗控制。Hogan則確立了阻抗控制的一般性的概念，重點分析了動態(tài)接觸過程，把阻抗控制看成是位置控制的一種擴展。An和Hollerbach分析了阻抗控制的穩(wěn)定性問題。Lee分析了阻抗控制模型中位置誤差和力誤差變化的一般性關(guān)系。Vukobratovi對阻抗控制</p><p><b>　　的發(fā)展做了分析。</b></p><p>　　機械手末端執(zhí)行器與

96、接觸環(huán)境間的相互作用力、末端位置偏差、速度偏差、加速度偏差之間可以建立一個具有二階關(guān)系的控制模型，這個模型稱為描述阻抗控制的目標(biāo)阻抗模型。它有幾種不同的形式，本文采用的阻抗控制模型為</p><p><b>　　(2-1)</b></p><p>　　式中，矩陣分別是機械手期望的慣性，粘性阻尼和剛度矩陣；是期望接觸力， 為實際接觸力。機械手與環(huán)境接觸點處可以分解為受限

97、表面的法向壓力和切向摩擦力，故 ,為法向力,為切向摩擦力。</p><p><b>　　(2-2)</b></p><p>　　式中，為環(huán)境剛度，是環(huán)境法線方向變量， </p><p><b>　　(2-3)</b></p><p>　　式中，是

98、干摩擦系數(shù)。</p><p>　　式(2-1)中，分別是操作手末端實際的加速度、速度和位置。為操作手的期望軌跡，這里指機械手在受限表面上的接觸力為期望值時應(yīng)達(dá)到的理想位置，是相應(yīng)的速度與加速度。式（2-1）還可以表示為</p><p><b>　　(2-4)</b></p><p><b>　　式中，，</b></p

99、><p>　　n關(guān)節(jié)機械手在關(guān)節(jié)空間中的動力學(xué)模型為</p><p><b>　　(2-5)</b></p><p>　　其中，分別是關(guān)節(jié)的加速度，速度及位置向量；是n×n正定的慣性矩陣，是n×n的哥式矩陣，是n×1的重力項；是n×1的關(guān)節(jié)驅(qū)動力矩；J 是n×6的雅可比矩陣。式(2-5)經(jīng)過變換得到

100、在笛卡兒坐標(biāo)系中的動力學(xué)模型。</p><p><b>　　(2-6)</b></p><p><b>　　其中，</b></p><p>　　設(shè)定控制律為 ，由式(2-4)得</p><p><b>　　(2-7)</b></p><p>　　將式(2

101、-7)帶入式(2-6)中，得到關(guān)節(jié)的驅(qū)動力矩 </p><p><b>　　(2-8)</b></p><p>　　2.2.2 雅克比矩陣的推導(dǎo)</p><p>　　相對于基準(zhǔn)坐標(biāo)系的指尖平移速度，是通過相對于把坐標(biāo)原點固定在指尖上的基準(zhǔn)坐標(biāo)系的平移速度進行描述的?，F(xiàn)在設(shè)基準(zhǔn)坐標(biāo)系為O0X0Y0Z0,固定于指尖上的坐標(biāo)系為Oe

102、XeYeZe，在O0X0Y0Z0上表示的Oe的坐標(biāo)為Pe,則Pe可以表示如下：</p><p><b>　　0</b></p><p><b>　　0</b></p><p>　　Pe=T =f（q） (2

103、-9)</p><p><b>　　0</b></p><p><b>　　1</b></p><p>　　由此可以得到指尖的平移速度如下：</p><p><b>　　(2-10)</b></p><p>　　式中，q=（q1,q2,…………，qn）T

104、,而n是關(guān)節(jié)的的數(shù)目，這時的稱為與平移速度相關(guān)的雅可比矩陣。</p><p>　　下面就試求二自由度機器人的雅可比矩陣。</p><p>　　這個機器人的指尖位置，在oxy上以下列形式給出</p><p>　　x=l1cosθ1+l2cos（θ1+θ2）</p><p><b>　　(2-11)</b></p>

105、;<p>　　y=l1sinθ1+l2sin（θ1+θ2）</p><p>　　因此，與這個機器人的平移速度相關(guān)的雅可比矩陣，以下列形式給出：</p><p>　　-l1sinθ1-l2sin（θ1+θ2） -l2sin（θ1+θ2）</p><p>　　JL= =</p><p>　

106、　l1cosθ1+l2cos（θ1+θ2） l2cos（θ1+θ2）</p><p><b>　　(2-12)</b></p><p>　　這里我們來考慮JL的各列向量的幾何學(xué)意義，即在JL=（JL1，JL2）時，考慮JL1，JL2的幾何學(xué)意義。根據(jù)式(2-12)，JL1是在θ2=0時，也就是第二關(guān)節(jié)固定時，僅在第一關(guān)節(jié)轉(zhuǎn)動的情況時，指尖平移速度在基準(zhǔn)坐標(biāo)系上表

107、示出的向量。同樣，JL2是在第一關(guān)節(jié)固定時，僅在第二關(guān)節(jié)轉(zhuǎn)動的情況下，指尖平移速度在基準(zhǔn)坐標(biāo)系上表示出的向量。</p><p>　　2.2.3 阻抗控制中傳統(tǒng)的參考軌跡算法</p><p>　　阻抗控制方法的精度取決于對機器人系統(tǒng)和接觸環(huán)境的了解程度。在大部分的應(yīng)用場合中，一般不可能獲得接觸環(huán)境的精確信息，在這種情況下，阻抗控制方法的力控制精度受到影響。當(dāng)環(huán)境的動態(tài)特性未知時，為了使受限表