机械臂动力学与控制的研究外文翻译Word文档下载推荐.doc
《机械臂动力学与控制的研究外文翻译Word文档下载推荐.doc》由会员分享，可在线阅读，更多相关《机械臂动力学与控制的研究外文翻译Word文档下载推荐.doc（37页珍藏版）》请在冰豆网上搜索。
机械臂动力学与控制的研究
拉斯彼得Ellekilde
摘要
操作器和移动平台的组合提供了一种可用于广泛应用程序高效灵活的操作系统,特别是在服务性机器人领域。
在机械臂众多挑战中其中之一是确保机器人在潜在的动态环境中安全工作控制系统的设计。
在本文中,我们将介绍移动机械臂用动力学系统方法被控制的使用方法。
该方法是一种二级方法,是使用竞争动力学对于统筹协调优化移动平台以及较低层次的融合避障和目标捕获行为的方法。
I介绍
在过去的几十年里大多数机器人的研究主要关注在移动平台或操作系统，并且在这两个领域取得了许多可喜的成绩。
今天的新挑战之一是将这两个领域组合在一起形成具有高效移动和有能力操作环境的系统。
特别是服务性机器人将会在这一方面系统需求的增加。
大多数西方国家的人口统计数量显示需要照顾的老人在不断增加,尽管将有很少的工作实际的支持他们。
这就需要增强服务业的自动化程度，因此机器人能够在室内动态环境中安全的工作是最基本的。
图、1一台由赛格威RMP200和轻重量型库卡机器人组成的平台
这项工作平台用于如图1所示,是由一个Segway与一家机器人制造商制造的RMP200轻机器人。
其有一个相对较小的轨迹和高机动性能的平台使它适应在室内环境移动。
库卡工业机器人具有较长的长臂和高有效载荷比自身的重量,从而使其适合移动操作。
当控制移动机械臂系统时,有一个选择是是否考虑一个或两个系统的实体。
在参考文献[1]和[2]中是根据雅可比理论将机械手末端和移动平台结合在一起形成一个单一的控制系统。
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，控制信号和通过
（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；
和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）
其中和，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，和，这里合并为
（8）
其中和是被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）
其中和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）
其中
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）
其中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）
其中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
升级会员 