本發(fā)明涉及機器人視覺伺服和力控，尤其涉及一種基于預(yù)設(shè)性能控制的機械臂混合視覺與力的控制方法。

背景技術(shù)：

1、在眾多傳感器中，視覺與力傳感器的結(jié)合是最經(jīng)濟和互補的。視覺傳感器為機器人提供豐富的場景信息，使其在不精確校準或動態(tài)變化的環(huán)境中以更高的精度運行。力傳感器在交互過程中提供更準確的接觸信息，使接觸操作更安全、更可靠。

2、視覺傳感器和力傳感器的數(shù)據(jù)類型和測量速率不同，這使得這種組合具有挑戰(zhàn)性?，F(xiàn)有技術(shù)提出了一種基于任務(wù)框架形式的控制策略，通過控制沿約束方向的力來改進共享控制，其余方向的運動由視覺控制。另一個現(xiàn)有技術(shù)提出了一種混合視覺/力控制方法來應(yīng)對相機和受限表面的不確定性，此方法跟蹤末端執(zhí)行器處的圖像特征，并將正交接觸力應(yīng)用于未知表面。但是，上述兩種組合方法的一個缺點是視覺無法校正在力控制方向上產(chǎn)生的誤差。

3、傳統(tǒng)的視覺伺服通常只關(guān)注收斂時間和穩(wěn)態(tài)誤差。然而，視覺伺服系統(tǒng)的瞬態(tài)和穩(wěn)態(tài)響應(yīng)同樣是重要的性能指標?？梢酝ㄟ^設(shè)置邊界來限制誤差，從而改善系統(tǒng)的瞬態(tài)和穩(wěn)態(tài)響應(yīng)。?一種現(xiàn)有技術(shù)中，在圖像特征誤差中引入預(yù)設(shè)性能控制來滿足相機視野約束，同時保證規(guī)定的瞬態(tài)和穩(wěn)態(tài)性能。通過該方法設(shè)計控制器是有效的，但其輸出約束更嚴格，參數(shù)調(diào)整更困難。還有一個現(xiàn)有技術(shù)提出了一種基于障礙李雅普諾夫函數(shù)的魯棒控制器，引入了稱常數(shù)型障礙李雅普諾夫函數(shù)來約束視覺伺服誤差。然而，對稱常數(shù)障礙李雅普諾夫函數(shù)無法達到所需的任意跟蹤精度。

技術(shù)實現(xiàn)思路

1、為了解決現(xiàn)有視覺和力的組合方法中視覺無法校正在力控制方向上產(chǎn)生的誤差，以及現(xiàn)有視覺伺服系統(tǒng)的控制器參數(shù)調(diào)整困難、使用對稱常數(shù)障礙李雅普諾夫函數(shù)無法達到所需的任意跟蹤精度的問題，本發(fā)明提出一種基于預(yù)設(shè)性能控制的機械臂混合視覺與力的控制方法，解決上述問題。

2、本技術(shù)公開了一種基于預(yù)設(shè)性能控制的機械臂混合視覺與力的控制方法，包括以下步驟：

3、s1、對視覺伺服系統(tǒng)中的機械臂進行運動學(xué)和動力學(xué)建模獲得機械臂運動學(xué)模型和機械臂動力學(xué)模型；

4、s2、通過棋盤法對視覺伺服系統(tǒng)進行標定，獲得機械臂末端執(zhí)行器與相機之間的轉(zhuǎn)換矩陣；

5、s3、構(gòu)建視覺伺服的運動學(xué)模型，結(jié)合機械臂運動學(xué)模型和機械臂動力學(xué)模型獲得外部力矩在特征空間下的映射；

6、s4、根據(jù)期望特征點和順應(yīng)特征點的誤差，構(gòu)建特征空間下特征點之間的導(dǎo)納控制，實現(xiàn)特征空間下視覺和力的結(jié)合；

7、s5、定義視覺特征誤差，根據(jù)當(dāng)前特征點和順應(yīng)特征點的誤差、相機的視野約束，通過預(yù)設(shè)性能函數(shù)對定義的特征誤差進行約束；

8、s6、基于障礙李雅普洛夫函數(shù)構(gòu)建機械臂視覺伺服控制律；

9、s7、利用相機和力傳感器實時采集圖像特征點信息，根據(jù)視覺伺服控制律實時得到機械臂末端速度，從而逆解出機械臂的關(guān)節(jié)速度，實現(xiàn)機械臂的運動控制，完成視覺伺服過程。

10、優(yōu)選的，所述機械臂運動學(xué)模型為：

11、

12、

13、

14、其中，為操作空間下的位置矢量，為操作空間下的速度矢量，為操作空間下的加速度矢量，為關(guān)節(jié)空間下的關(guān)節(jié)位置矢量，為關(guān)節(jié)空間下的速度矢量，為關(guān)節(jié)空間坐標下的加速度矢量，為坐標系映射函數(shù)，為機械臂雅可比矩陣。

15、優(yōu)選的，所述機械臂動力學(xué)模型為：

16、

17、其中，為機械臂的慣性矩陣，為科里奧利力矩陣，為重力矢量，為摩擦力項，為受到的外部扭矩，為控制輸入。

18、優(yōu)選的，所述s2包括以下步驟：

19、s21、使用具有n個點的棋盤標定板，隨機置于realsense相機視野中；

20、s22、使用realsense相機對棋盤標定板進行圖片采集；

21、s23、計算圖像中n個圓點的圓心像素坐標；

22、s24、以平移向量和旋轉(zhuǎn)向量的形式記錄此時機械臂末端執(zhí)行器的三維位姿；

23、s25、重復(fù)s220-?s240一共18次；

24、s26、解算2d-3d數(shù)據(jù)，求出棋盤標定板與相機之間的坐標轉(zhuǎn)換關(guān)系；

25、s27、根據(jù)坐標轉(zhuǎn)換關(guān)系，計算機械臂末端執(zhí)行器到相機的轉(zhuǎn)換矩陣。

26、優(yōu)選的，所述視覺伺服的運動學(xué)模型為：

27、

28、其中，為圖像特征點速度，為圖像交互矩陣，為相機的運動速度。

29、優(yōu)選的，所述外部力矩在特征空間下的映射為：

30、

31、

32、其中，為圖像特征空間下的外部接觸力，為圖像交互矩陣，為機械臂慣量矩陣在相機框架內(nèi)投影的逆，為相機坐標系下的力，表示矩陣轉(zhuǎn)置。

33、優(yōu)選的，所述特征空間下特征點之間的導(dǎo)納控制為：

34、

35、

36、其中，為虛質(zhì)量，為阻尼，為剛度，為初始設(shè)定的期望特征點，為受到外部接觸力所移動的順應(yīng)特征點。

37、優(yōu)選的，所述s5包括以下步驟：

38、s51、定義視覺特征誤差為：

39、

40、

41、其中，為當(dāng)前特征點；

42、s52、根據(jù)相機分辨率確定相機的視野約束為：

43、

44、其中，為特征點在軸上的像平面坐標，為特征點在軸上的像平面坐標，為軸在像平面坐標上的下界，為軸在像平面坐標上的上界，為軸在像平面坐標上的下界，為軸在像平面坐標上的上界，為時間；

45、s53、結(jié)合s1中的視覺特征誤差，得到誤差約束為：

46、

47、其中，為軸上特征點的期望值，為軸上特征點的期望值；為軸上的像素誤差，為軸上的像素誤差；

48、s54、通過預(yù)設(shè)性能函數(shù)對s51中的視覺特征誤差進行約束，所述預(yù)設(shè)的性能函數(shù)如下式所示：

49、

50、

51、其中，為軸上的指數(shù)衰減函數(shù)，為軸上的指數(shù)衰減函數(shù)，為調(diào)整誤差收斂速率的參數(shù)，為影響收斂誤差大小的參數(shù)，可以設(shè)置為任意小的值，且該值滿足；，，，，、、和為相機視野約束下的正參數(shù)；，，，。

52、優(yōu)選的，所述s6包括以下步驟：

53、s61、選取障礙李雅普諾夫函數(shù)：

54、

55、其中，，，和為的邊界；

56、s62、對s61中的障礙李雅普諾夫函數(shù)求導(dǎo)：

57、

58、其中，，；

59、s63、為了使視覺伺服系統(tǒng)穩(wěn)定，構(gòu)建機械臂視覺伺服控制律：

60、

61、

62、其中，為相機的運動速度，為特征點誤差的速度，為控制器增益，為圖像交互矩陣的偽逆。

63、

64、

65、

66、

67、

68、

69、

70、

71、其中，，、、和為構(gòu)造向量。

72、本發(fā)明的有益效果：

73、（1）本發(fā)明在特征空間下耦合了視覺傳感器和力傳感器，解決了力傳感器和視覺傳感器驅(qū)動層不一致的問題，實現(xiàn)了視覺和力的同步控制；

74、（2）本發(fā)明將非對稱時變tan型障礙李雅普諾夫函數(shù)引入到視覺伺服系統(tǒng)，構(gòu)建的控制器將圖像特征誤差限制在生成的約束邊界內(nèi)，并滿足相機的視野約束，與常數(shù)時不變障礙李雅普諾夫函數(shù)相比，實現(xiàn)了所需的任意跟蹤精度；

75、（3）本發(fā)明規(guī)定的預(yù)設(shè)性能函數(shù)是先驗的和可設(shè)計的，功能復(fù)雜度低，易于應(yīng)用，在選擇相同的預(yù)設(shè)性能函數(shù)的情況下，障礙李雅普諾夫函數(shù)需要的限制更少，并且參數(shù)易于調(diào)整。