机械外文翻译外文文献英文文献机械臂动力学与控制的研究Word下载.docx
《机械外文翻译外文文献英文文献机械臂动力学与控制的研究Word下载.docx》由会员分享,可在线阅读,更多相关《机械外文翻译外文文献英文文献机械臂动力学与控制的研究Word下载.docx(39页珍藏版)》请在冰豆网上搜索。
![机械外文翻译外文文献英文文献机械臂动力学与控制的研究Word下载.docx](https://file1.bdocx.com/fileroot1/2022-10/9/2231c24f-4e1e-4ec0-ba0e-9def33ae87af/2231c24f-4e1e-4ec0-ba0e-9def33ae87af1.gif)
另一方面,这项研究发表在[3]和[4],认为它们在设计时是独立的实体,但不包括两者之间的限制条件,如延伸能力和稳定性。
这种控制系统的提出是基于动态系统方法[5],[6]。
它分为两个层次,其中我们在较低的水平,并考虑到移动平台作为两个独立的实体,然后再以安全的方式结合在上层操纵者。
在本文中主要的研究目的是展现动力系统方法可以应用于移动机械臂和使用各级协调行为的控制。
本文剩下的安排如下。
第二部分介绍系统的总体结构设计,其次是机械手末端移动平台的控制在第三第四部分讲述。
在第五部分我们在结束本文之前将显示一些实验。
然而,首先与动力学系统有关工作总结与方法将在在部分I-A提供。
A.相关工作
动力学系统接近[5],[6]为控制机器人提供一套动作的框架,例如障碍退避和目标捕捉。
每个动作通过一套一个非线性动力学系统的attractors和repellors来完成。
这些通过向量场的简单的加法被结合在一起来完成系统的整体动作。
动力系统的方法涉及到更广泛的应用势场法[7],但具有一定的优势。
这里势场法的行为是由后场梯度形成的结果,行为变量,如航向和速度,可直接运用动力系统控制的方法。
成本相对较低的计算与方法有关,使得它在动态环境中在线控制适宜,允许它即使在相当低的水平有限的计算能力平台[8]实施。
传感器的鲁棒性在人声嘈杂中显示[9]和[10]其中一个是由红外传感器和麦克风的结合,当避障和目标获取时使用。
尽管能解决各种各样的任务,但它仅是一个局部的方法,为了其他的任务和使命级计划(即参见[11])其他的方法应该被采用。
当多行为被结合时,在[5]和[6]的缺点是由潜在的假的因子引起的。
为了克服这个问题[12]介绍了一种基于竞争动态的行为比重。
每个行为的影响是控制使用一个相关的竞争优势,再加上定义的行为之间有竞争力的相互作用,控制重物。
如果所有的行为之间的竞争性相互作用是必需的,这种方法可以推广到任意数n,行为,除了这样一个最坏情况的复杂度
。
在现实世界中使用这种方法的竞争态势室内实验中可以找到[13],[14]。
[13]是只在有标题方向的车辆上使用,而在[14]中航向和速度均得到控制。
[15]提供了一个为速度性能简短的策略讨论。
在[16]中提到动力系统的方法不仅被用于平面移动机器人,同时也可以作为控制机械手工具。
另外运用产生极限环Hopf振荡器动力系统的更复杂的动力系统也可被使用。
[17]展现出不同形状的极限环是如何产生的,其可运用于避障轨迹的生成。
[18]中介绍到使用Hopf振荡器产生一个定时的轨迹,实现了机械手可以接住从桌子上面滚下来的球。
动力系统的方法不仅可以用于控制的工具,也可以控制7自由度机械手多余的动作这一点在[19]中得到论证。
II.总体结构
我们整个系统的整体架构如图2所示。
在赛格威平台中为了控制移动平台,两个低级别的性能被使用:
一个用于目标捕获和另一个是避障。
运用竞争动态的动作被混合在一起是为了做出移动平台希望得到的指定的移动动作。
同样,在竞争态势的基础上目标捕获和机械手避障行为的融合给机器人收缩下达指令。
当目标不在范围内,应收回机械手到一个安全的位置,这是机械手缩回行为的目的。
最后融合是以一个安全的方式把所有的控制结合在一起,这样一来目标捕获和收回行为不互相干扰,另外移动平台在不开始朝着新的目标之前,移动机械手已被收回。
图.2.控制系统的体系结构
用
、
和
分别代表机械手移动、机械手捕获和机械手收缩行为的影响,控制信号
通过
(1)
(2)移动平台和机械手。
(1)
(2)
其中(
)是指控制输入信号以控制在第三节中描述的平台的左,右侧车轮;
是在第四节描述的机械手关节速度。
A.竞争动态
这种竞争态势采用的方法是以[12]为基础的,除了附加参数
用于控制在[14]中的转换率。
动力系统采用(3)因此给予:
(3)
其中
是b和r
竞争优势产生的参数,b是
和b相互竞争作用的参数。
1)移动:
在移动平台远离目标时它的竞争优势应该被加强;
当目标被捕获时移动平台的竞争优势应该被降低。
这是通过(4)实现的。
(4)
其中,
决定如何迅速的改变这种优势,
是指到目标的距离和
是指移动平台移动目标所需的最小距离。
移动的行为,没有能力进行互动,并抑制其他行为,因此它的竞争性相互作用被设置为0。
2)机械手捕获目标:
当移动平台接近他的目标时,机械手捕获目标的动作应该别加强。
这样的竞争优势将被定义为:
(5)
激活距离
必须大于
来确保其行为被激活。
此动作没有和其他的动作有直接联系,因此它的相互作用参数设置为0。
3)机械手收缩:
收回动作应该被激活当对面目标被捕获之后,因此
(6)
要有一个非常小的过渡时间,这可以防止在同一时间活动的机械臂捕获和收缩动作,因此,我们可以设置
由于机械手收缩和移动动作的联系,当机械手原理自动巡航装置时我们希望能够取消停止移动。
因此这种相互作用定义为:
(7)
,是机械手当前和原始配置参数,
是指目标
最近的距离和
指定如何使相互作用迅速变化的参数。
III.移动平台的控制
该移动平台的控制,结构与参考文献[14]中表述的非常相似,但也有一些不同。
刚开始时目标捕获和避障指令被使用。
紧接着除走廊和墙壁避障不包括在内,但将沿直线扩展。
第二个领域,不同的是这项工作的障碍是如何找出障碍密度的计算方法。
具体的论述在III-D部分。
为了使控制系统能够根据具体的环境进行导航。
我们所使用的方法是基于参考文献[20]中论述的方法,它运用里程计和激光测距相结合对所在环境中地图的主导线匹配测量。
该平台控制编码的使用方向:
;
速度:
V,它在一个控制输入系统的结果数
的值是由两部分组成,
,这里合并为
(8)
是被Eq限制的。
(3)中的竞争优势和相互作用在III-C中有详细的描述。
作为控制输入我们需要一个表达式对移动平台的左右轮进行控制,这里用
和,
分别作为左,右侧车轮的表达参数。
要使获得这些数据
集成得到v,连同所需的旋转速度
时,车轮直径
和车轮之间的距离
可以用数据库来计算控制输入:
(9)
(10)
这里车轮需要的速度差被定义为:
(12)
A.动态目标:
捕获目标动作的基本动力是:
(13)
(14)
是吸引子的优势参数和
表示运动到目标的方向。
常数
表达出机械手到目标之间的距离和所需的速度关系。
最后最大速度
是指移动平台所允许的最大速度。
B.障碍动态
假定一个距离
,方向参数
表示机械手到第i个障碍的方向,在避障的动力学中用公式(15)(16)表示如下:
(15)
(16)
动态参数
包括三个要素:
(一)障碍物
的相对方向,
(二)比例系数
,其中
根据距离
决定衰减的程度。
(三)另一个比例系数
根据到障碍的方向而定的,并运用
确保两障碍间的attractor产生,如果机器人可以在确保安全距离DS下通过。
我们可以在参考文献[14]中看到具体的描述。
对于
是表示调整速度转向
,但确保
最小速度是被保留的。
运用公式(17)获取我们总结所有障碍
的值:
(17)
C.竞争动态
在竞争态势的运算如上面所述公式(3)控制的。
下面是最大的竞争优势和两种动作的相互作用。
1)目标:
每当一个目标是存在的,竞争优势的参数就被设置为
,否则设置为
目标动作有能力能力影响和抑制避障动作,目标之间的距离和最近的目标之间的比例足以确保向目标移动的动作是无碰撞运动。
这时建模为:
(18)
到最近障碍物的距离,
是一个如何快速是动作相互影响的增益常数,我们将开始抑制避障时
表示障碍和目标之间的距离比。
2)障碍:
该障碍动作的竞争优势有公式(19)控制:
(19)
是障碍密度在第三节-D被定义。
这种相互作用被定义为
(20)
第一部分
抑制目标动作当障碍浓度超过临界值
时,最后一部分
可以确保这只是发生在由于
的原因避障没有被抑制。
D.障碍密度的计算
假设一系列的距离,
,移动平台和障碍的密度
,计算公式为
(21)
此处的定义不同于[14]中的
公式化的主要问题是,我们不能区分物体的相对多远和一个对象相对多近。
例如2米外有5个对象的密度定义成相同的密度与40厘米的距离之外的一个对象。
根据指数函数的性质在场景中的单个对象永远不能导致
超1。
用于切换到避障动作的临界值将因此必须小于1,但一个场景中有多样的障碍往往临界值设置的更低。
此外,发现用
代替
参数调整更容易,因为我们可以考虑其作为距离的反比密度。
这也造成了当越来越接近一个障碍时密度增长非常迅速,从而可以迅速迫使动作改变。
IV.机械手的控制
我们将这个问题分成两部分:
1)确定机械手的运动,从当前位置到目标,同时避免障碍。
2)计算所需刀具的逆运动的速度。
第二部分是一个很好的理解问题,这项工作可以运用在参考文献[23]中描述的逆运动学方法解决。
这种方法包括机器人运动学和动力学的局限性,如关节的位置,速度和加速度的限制。
此外,在此方法的基础上,进行二次优化获得方法已被证明表现很突出。
该机械手的运动受机器人控制的目标和障碍动作限制,为此
是相关的。
由于逆运动学的输入需要一个六维旋转速度
,因此这些动作必须设置一个变数
,它可以集成所需的速度
(22)
,
是从目标和避障中得到的。
A.目标动作
到目标