多传感器信息融合算法在机器人力控制应用研究毕业设计论文

1、沈阳理工大学学士学位论文摘要信息融合技术是研究如何有效地综合利用多传感器信息，克服信息的不完备性和不确定性，更加准确、全面地认识和描述被测对象，从而做出正确的判断和决策，近年来己成为研究的热点。在传统的力控制基础上，应用视觉模型与激光测距进一步对机器人的力控制进行研究。经过视觉与激光测距所得到的所研究物体的轮廓与未变形前的轮廓进行比较从而得到误差，可以得到机械手应该施加力的大小，达到控制机械手的目的。应用两种以上的传感器进行信息融合可以提高控制精度。用m语言对视觉模型与激光测距进行编程，在matlab里进行仿真，检验力控制结果，从而得到控制机械手转动力矩。在进行编程时，视觉模型的原理是在三个坐

2、标系间进行坐标转换，最终呈现的是图像坐标。应用相位式激光测距仪，适用测量精度要求较高的场合。编程时主要解决的是相位延迟的测量问题。文中主要论述了多传感器信息融合的视觉模型与激光测距方法以及matlab中视觉与激光测距的训练，并对其在机器人领域的应用进行了介绍。利用多传感器信息融合技术中的视觉方法将视觉与激光传感器的信息进行融合，在环境信息未知的受限表面上的力控制精度可以控制在3n之间。关键词：多传感器信息融合；力控制；机器人；视觉模型；激光测距abstractinformation fusion technology is used for how to utilize multisensor

3、 information to overcome the inaccuracy while thoroughly describing concerned for correct judgmentsit has become a hot research in recent yearson the basis of the traditional power control, the application of visual models and laser range finder further research on robot force control. a vision and

4、laser ranging study object contour and outline of the undeformed before to get the error. you can get the size of the robot should exert force. achieve the purpose of control of robot. two or more sensor information fusion can improve the control accuracy. visual model with laser ranging using the m

5、 language programming and simulation in matlab, test force control results. to get control of robot torque.during programming，the principle of the visual model coordinate transformation in the three coordinate systems,final rendered image coordinates. application of phase shift laser range finder, a

6、pplicable to measuring the occasion of high precision.mainly to solve the programming phase delay measurementthis paper mainly discusses the visual model of multi-sensor information fusion and laser ranging method, as well as vision and laser ranging matlab training algorithm and its application in

7、the field of robotics was introduced. multi-sensor information fusion technology visual information fusion of vision and laser sensors. unknown constrained surface in environmental information on the force control accuracy can be controlled at between 3n.keywords：multisensor information fusion；force

8、 control; robot；visual model； laser ranging目录摘要iabstractii1 绪论11.1引言11.2机器人力控制研究现状41.2.1 经典的力控制方法41.3 机器人控制器的体系与结构81.4 机器人力控制主要的研究问题101.5 力控制的应用场合111.6 论文的主要研究内容121.6.1 本文的课题背景121.6.2 本文要解决的几个问题131.6.3 论文结构132 阻抗力控制的研究152.1 引言152.1.1 阻抗控制的特点152.1.2 阻抗控制的实现方法162.2 阻抗控制方法原理172.2.1 机器人的动力学方程推导172.2.2 雅

9、克比矩阵的推导192.2.3 阻抗控制中传统的参考轨迹算法202.3 机器人运动学分析222.4 机器人动力学分析242.5 本章小结273 视觉模型在机器人中的研究283.1 引言283.1.1 机器人视觉的基本概念283.1.2 机器人视觉控制的作用293.2 机器人视觉控制的研究内容303.2.1 摄像机标定303.2.2 视觉测量313.2.3 视觉控制的结构与算法313.3 视觉控制的发展现状与趋势323.3.1 摄像机标定的发展现状323.3.2 结构光参数的标定进展333.3.3 机器人的视觉测量研究进展343.4 机器人视觉控制的应用现状353.5 本文摄像机模型与视觉系统的标

10、定373.5.1 单目摄像机模型小孔成像模型373.5.2 摄像机内参数模型标定383.5.3 摄像机外参数模型标定413.5.4 单目二维视觉测量的摄像机标定413.6 本章小结434 激光测距在机器人中的研究454.1 引言454.2 国内外研究现状454.3 激光测距仪的分类464.4 激光传感器工作原理与性能参数474.4.1 激光测距原理474.4.3 激光传感器的性能分析494.5 本章小结495 基于视觉模型与激光测距数据融合在未知环境下的机器人力控制的仿真分析505.1引言505.2 视觉模型的仿真分析515.3 仿真结果515.4 激光测距的仿真分析525.5 激光仿真结果5

11、25.6 基于视觉与激光测距下的力控制545.7 本章小结54结论56致谢57参考文献58附录a60附录b78v沈阳理工大学学士学位论文1 绪论1.1引言机器人在一定程度上可以代替人的劳动。环境感知是机器人进行决策规划的基础。环境感知能力的强弱直接影响机器人的控制决策能力。如何提高机器人对外界环境的感知力是非常重要的研究课题。 随着知识经济时代的到来，高新技术已成为世界各国争夺的焦点，机器人技术作为高新技术的重要分支受到了各国的重视。机器人集中了机械工程、电子技术、计算机技术、自动控制理论以及人工智能等多学科的最新研究成果，代表了机电一体化的最高成就，是当代科学技术发展最活跃的领域之一。机器人

12、按照其用途可分为：工业机器人，服务机器人，水下机器人，空间机器人等。工业机器人是机器人家族中的重要一员，也是目前在技术上发展最成熟、应用最多的一类机器人。工业机器人作为机器人的一个重要分支，是近30 年来在自动操作机基础上发展起来的一种能模仿人的某些动作和控制功能，并按照可变的预定程序、轨迹和其它要求，操纵工具实现多种操作的自动化机械系统2。它综合了精密机械、控制传感和自动按制技术等领域的最新成果。典型的工业机器人分为：弧焊机器人、点焊机器人、装配机器人、喷涂机器人四类。从终端操作器的运动特性来看，可分为，(1)点对点控制(point to point，ptp)：机器人运动为空间点到点间的直线

13、运动，不涉及两点间的移动路径，只在目标点处控制机器人末端执行器的位置和姿态。这种控制方式简单，适用于上下料、点焊、卸运等作业。(2)连续路径控制(continuous path,cp)：这种控制方式不仅要求机器人以一定精度达到目标点，而且对运动的轨迹也有一定的精度要求。运动轨迹是空间的连续曲线，机器人在空间的整个运动过程都要控制。这种控制方式较复杂，常用于弧焊、喷漆和检测等。另一方面，从技术进步的角度，机器人可分为不同的类型。到目前为止，机器人可分为三代3：第一代机器人是“示教再现”型，目前在工业现场应用的机器人还大多属于这一代。第二代机器人带有一定的能对环境感知的装置，通过反馈控制，使机器人

14、能在一定程度上适应变化的环境，比如采用焊缝跟踪技术的焊接机器人。第一，二代机器人中具有代表性的有：1961年美国unimation生产和销售了第一台工业机器人unimate机器人(图1.1)；1962 年美国的amf 公司推出的verstran 机器人；1979 年unimation 公司推出了puma 系列工业机器人；日本山梨大学的牧野洋研制成具有平面关节的scara 型机器人。第三代机器人具有发现问题，并且自主地解决问题的能力，也就是说具有一定的智能。这一类机器人也被称为自治机器人或智能机器人。这类机器人带有多种传感器，能够进行逻辑推理，判断决策，在变化的内部状态与变化的外部环境中自主决定

15、自身的行为，具有高度的适应性和自治能力2，这类机器人正是当前研究的热点，有较大的理论意义、实际研究价值和广阔的应用前景，日本本田公司研制的asimo 服务型智能机器人4。自第一台机器人问世以来,研制出刚柔相济，灵活自如的机器人,一直是历代机器人专家努力的目标，而具备力控制能力是实现这一目标的重要环节。同时，随着机器人在各个领域应用的日益广泛，许多场合要求机器人具有对接触力的感知和控制能力，不仅要求端部执行器与环境接触，还要控制其接触力的大小。这类操作仅靠位置控制是无法完成的，如果机器人在位置控制方式下从事这类工作时，微小的位置误差可能引起很大的接触力，这种接触力可能损坏机器人或接触的环境，而制

16、造更为精密的机器人去避免这种现象的发生，又极其困难且代价昂贵5。所以机器人完成这些作业任务，必须具备柔顺控制的能力，即机器人力控制的能力。这是机器人研究的一个热点和难点问题。 图1.1 一款名为“阿西莫”的智能机器人图1.2 通用汽车公司应用的unimate机器人图1.3 配备激光二极管和视觉特征的工业机器人fanuc m16-ib 图1.4 puma机器人1.2机器人力控制研究现状1.2.1 经典的力控制方法机器人研究中，核心矛盾之一为：机器人在与特定接触环境操作时，对可以产生任意作用力顺应性的高要求和机器人在自由空间操作时对位置伺服刚度及机械结构刚度的高要求之间的矛盾6,8。在机器人接触操

17、作中、引入“顺应”概念来表示为克服机器人与环境之间相互接触所产生的巨大的接触力，通过控制机器人所操作的工件和环境之间的接触力来调整或修正它们之间的相对位置或运动等情形。机器人能够对接触环境顺从的这种能力被称之为顺应性(compliance)，国内外机器人专家进行了大量的研究，称之为顺应控制研究。顺应性被分为主动顺应性和被动顺应性两类。一般把采用力信息反馈的顺应称为主动顺应(active compliance)；将机械结构或装置在外力作用下的顺应变形称为被动顺应(passive compliance)。 被动顺应可以通过安装于机器人末端的机械顺应装置获得，mit draper实验室在对插轴入孔(

18、peg-in-hole)装配过程运动规划以及阻塞(wedging)和卡死(jamming)分析的基础上，获得了装配过程所需的顺应性质，并在此基础上设计成功了获得广泛研究和应用的rcc (remote center of compliance)机构。rcc实际上是一个装在机械臂末端和末端执行器之间的具有多个自由度的弹性灵巧装置，它仅限于特定任务(如带导角的插轴入孔等)和结构化环境。rcc机构存在一个顺应中心点若在此点处作用横向力，只产生相应的横向位移，而不产生转动；若绕此点处作用一扭矩，只产生相应的转动而不会伴随有移动。在装配任务中，当受到由装配接触而产生的力或力矩作用时，rcc 机构发生偏移变

19、形或旋转变形来吸收装配中的不确定性误差(主要是线性误差和角度误差)，从而顺利完成装配任务。选择弹性体的刚度矩阵可以得到不同的顺应特性7。 围绕rcc机构顺应，目前的研究集中在被动顺应的改进上，主要的方法有：(1) vrcc(variable remote center compliance)：通过在rcc中采用一种具有可调刚度的球形弹簧，使得rcc 的顺应中心可以在一定范围内变化，从而扩大了rcc的应用范围。(2) ircc(instrumented remote center compliance)：它由rcc和位姿检测装置结合形成，具有主动传感器和被动调节的优点，使ircc具有更大的应用范

20、围。机器人采用被动顺应装置进行作业，显然存在一定的问题：(1) 无法根除机器人高刚度与高顺应性之间的矛盾。(2) 被动顺应装置的专用性强，适应能力差，使用范围受到限制。(3) 机器人加上被动顺应装置，其本身并不具备控制能力，给机器人控制带来了极大的困难，尤其在既需要控制作用力又需要严格控制定位的场合中，更为突出。(4)无法使机器人本身产生对力的反应动作，成功率较低等等。正是这些被动顺应方法的不足之处，决定了机器人专家们探索新方法的研究。因此，为克服被动顺应性存在的不足，主动顺应控制应需而生。主动顺应通 过在机器人控制系统引入力传感器信息，在获得或维持所期望的接触力的同时完成机器人运动指令。主动

21、顺应控制也就是力控制，成为机器人研究的一个主要方向8。 最早的力控制研究在20世纪50年代出现于放射性实验工场的远程操作力反馈设计9，针对放射性实验工场的恶劣环境，在电液式主从机械臂上装上力反馈装置，当操作者在主操作机上操作时，就可以感受到从操作机上与环境的接触作用力。60年代mann主持研制了具有力反馈能力的人造肘10。关节电机由“肌肉”电极信号和关节应变仪信号驱动，模拟肌肉作用效果。在力控制研究初期，由于人们更多地采用自然的方法进行力控制，故研究热点放在了稳定性上面，而控制策略和任务理解则研究较少。自70 年代以来，随着计算机、机器人传感器和控制技术的飞速发展，机器人的力控制逐渐发展成为机

22、器人研究的一个主要方向，理论和实践上均取得了重要的进展,逐渐出现了多种力控制方法。 力控制方法可以分为经典力控制和智能力控制方法。经典力控制方法主要包括由mason，raibert，craig，zhang 等人提出的力/位混合控制策略。mason11最先考虑了当任务的几何特性对顺应运动施加约束时的全局运动规划方法。他通过定义自然约束和人工约束，规定广义表面和约束坐标系，应用形式化语言描述力的控制，合成装配顺应运动的控制策略。mason的工作不限于装配操作，但应用这种全局运动规则方法需要导出任务描述，该方法的问题是没有考虑装配零件的几何和位置的不确定性因素。raibert12等人提出了机器人位置

23、力混合控制方案，该方案的设计依赖于操作臂运动学、动力学以及环境的控制结构。如果约束环境变化，则必须重新设计顺应控制器的结构。zhang h13等人提出了把操作空间的位置环用等效的关节位置环代替的改进方法，但必须根据精确的环境约束方程实时的确定雅可比矩阵并计算其坐标系，同时也要实时地用选择矩阵来决定力和位控方向。经典的力控制方法还包括由whitney，salisbury，hogan，maples, becker等人提出的阻抗控制。salisbury14等人提出了基于笛卡尔空间的主动刚度控制(stiffness control)方案，该方案通过刚度矩阵将力信息转换成期望的机器人位置信息。whitn

24、ey15提出了力反馈控制的阻尼控制(damping control)方法，该方法将操作中接触力信息映射成机器人操作速度信息。maples 和becker16 进行了总结：这类力控制不外乎基于位置和速度的两种形式，当把力反馈信号同时转换为位置和速度的修正量时，即为阻抗控制(impedance control)。hogan17 则确立了阻抗控制的一般性的概念。还有其它操作顺应控制方案，如导纳控制(admittance control)方案和适调控制(accommodation control)方案。 上述两种经典的力控制策略为力控制研究发展打下了坚实的基础，但它们都需要精确的受限环境模型和机器人动

25、力学模型。另外，机器人本身的多自由度、位姿的不确定性、力/位强耦合都限制了经典力控制方法的应用。因此众多学者对力控制进行自适应研究尝试18-21。其中，nemec b18在结合自适应算法和基于位控的混合控制策略补偿环境刚度的变化。nicoletti g m19用lyapunov稳定理论，针对约束运动，对模型参考自适应pid控制的稳定性条件和判据进行了研究。cheah20等人用自适应的方法在力/位混合控制模型中对机器人系统中运动学和动力学的不确定性进行补偿。针对力控制特点，众多学者进行了变结构力控制尝试。从现有的成果来看，自适应控制和变结构控制大部分处于理论研究和仿真实现的水平，并没有取得突破，

26、付诸实现还有待时日。机器人经典的力控制方法和自适应力控制方法都存在一个共同的建模难题，而实际机器人系统和受限环境中的时变、强耦合以及不确定性给机器人控制带来了困难，增加了建模的难度。因此，要想彻底解决这些问题，必须用智能控制的手段，机器人力控制的研究也将进入智能化阶段。1.2.2 机器人智能力控制方法 对智能控制的研究，主要体现在基于知识系统(knowledge based system,kbs)、模糊逻辑(fuzzy logic)和人工神经网络(artificial neural network)的研究。智能控制方法主要有模糊控制，神经元控制，模糊神经元控制。当接触环境的几何参数和动力学参数

27、未知时，需要在传统的力控制算法中加入一些智能控制方法，以便使控制器具有对未知环境的适应能力，这是当前机器人力控制领域讨论的热点之一。模糊数学是模拟人类思维的数学，是一类语言控制，其主要特点是对控制系统设计并不需要通常意义上被控对象的数学模型，而是需要操作者或领域专家的经验、知识、操作数据等，是一类“专家系统”。这样对于机器人系统中的非线性、不确定等问题可以通过模糊控制的方法来解决。 控制通过对被控对象输入，输出量的检测，进行一系列有针对性的各种可能状态的推理和判断，并做出适应性的最优化控制，因而在机器人控制应用中也取得了一定的效果。如huang l, ge s s等人23提出一种受限机器人的模

28、糊力控制算法，此算法可以完成对非刚性表面的力跟踪，但需要已知接触表面的位置。baptista l f, sousa j m24针对形状已知的接触表面，提出一种基于参考模型的预测力控制算法。 人工神经网络是对生物神经网络的抽象、简化和功能模拟。神经网络方法具有模糊性、自适应性和自学习性的特点，比以往的传统控制方法有极大的优越性。把神经元网络用于机器人力控制可以使系统的动静态响应性能、自适应能力和鲁棒性均得到显著改善。在大部分的应用中，都是在机器人模型部分已知的情况下，用神经元网络来补偿真实机器人模型的误差、机器人系统的不确定信息或者预先得到近似的机器人模型，以减少在线计算上的负担。具有代表性的研

29、究有，connolly t h25等将多层前向神经网络用于力位混合控制，根据检测到的力和位置由神经网络计算选择矩阵和人为约束，并进行了插孔实验。日本的tokita m,mituoka t26等人用4 层前馈神经网络构造了神经伺服控制器，进行了细针刺纸实验，能将力控制到不穿破纸的极小范围，此后不久，又将之用于碰撞试验，取得了一定的成果，但机构简单，针对性强，尚缺少普遍性。同时，神经网络又存在它固有的一些问题。如：神经网络的泛化能力不足，制约了控制系统的鲁棒性。网络本身的黑箱式内部知识表达方式，使其不能利用初始经验进行学习，易于陷入局部极小，分布式并行计算的潜力还有赖于硬件实现技术的进步等等。因此

30、，神经元网络用于机器人实时的力控制有一定的难度。另外，不少学者将神经网络与模糊控制相结合，构成模糊神经控制系统。这样基于模糊神经元的控制方法也在传统的力控制方法中得到广泛应用27-29。在国内的力控制研究中，清华大学、上海交通大学、东南大学分别提出了相应的方法30。南京航空航天大学基于大系统理论、模糊理论和神经网络提出的“智能力/位并环控制策略”，为机器人力控制研究开辟了崭新的途径。智能力控制策略中的记忆、运算、比较、鉴别、判断、决策、学习和逻辑推理等概念和方法必须有效的融合在一起，作为人工智能的重要部分，也是机器人力控制研究的发展趋势。1.3 机器人控制器的体系与结构 1.2 节所述的机器人

31、控制算法要通过具体的机器人控制器去实现。机器人控制器的设计通常分为两个阶段：功能设计和结构设计。功能设计阶段主要完成控制功能和算法的定义，而结构设计阶段是实现功能在硬件和软件上的分布。机器人控制器体系结构主要是指控制机器人的软件和硬件结构，通常也简称为机器人体系结构。文献30对机器人控制器体系结构研究的现状和发展做了总结。 机器人控制器的研究已经由硬件过渡到软件、由具体控制器过渡到通用开放式体系结构、由单独控制过渡到多机协调控制。国内外专门的研究机构和公司对机器人控制器正在进行许多开创性的研究。归纳起来主要在两个方面：(1)机器人控制器的功能结构，主要是智能控制、多算法融合和性能分析、控制器体

32、系结构；(2)控制器的实现结构，主要是实施多任务操作系统、开放结构标准、多控制器结构和网络化、运动控制器。当然，两者之间在一定范围内是重合进行的。 机器人控制器合理的体系结构对机器人控制算法的实现至关重要。因此，机器人体系结构方面的研究已成为热点，其重点是功能划分和功能之间信息交换的规范方面。例如，在日本，体系结构以硬件为基础来划分。如三菱重工株式会社将其生产的pa-10可携带式通用智能臂式机器人的结构划分为五层结构：第一层为7关节操作器；第二层是伺服驱动；第三层是运动控制器；第四层是操作控制，包括操作箱；第五层应用程序开发环境。denso 公司生产了一种新型机器人控制器networc，采用p

33、c 机结构、网络通信、新的机器人编程语言和带有gui环境的多功能示教板，并将其应用于pa-10机器人的控制，该机器人的结构分为四层：机器人本体、伺服驱动、运动控制和操作界面。明确机器人控制器的定义，可以清楚的界定机器人控制器所涉及的范围，研究的对象以及最终的目标。在美国，美国国家航空、宇航局和国家标准化局标准化制定了一个概念模型nasrem遥控机器人控制系统结构的参考模型，这是第一个企图完全说明智能系统全部组件的模型。采用层次结构，每一层又分为三模块：任务分解、环境建模和传感信号处理。这种结构为处理大系统提供了一种标准的方法。由美国空军赞助、martin marietta公司实施的开放系统结构

34、标准的规范下一代通用控制器ngc(next generation controller-ngc)。同时，美国空军为大型飞机的自动化维护和保养，实施了一个多阶段计划统一遥控机器人结构计划(utap)，主要目标是开发维护遥操作机器人。在系统操作方面包括三个单元，一是对象建模模块，它提供一个硬件和任务环境模型。二是任务描述模块，它提供一个方法来建立任务程序。三是任务执行模块，它完成仿真或驱动装置。硬件结构分为两部分：本地部分和远地部分。同时，也对模型通信方面的实际命令、数据类型和结构进行了比较分析，其目的是将所需的内部数据交换量最小化。另外，也进行了结构规范和有效性相关问题的研究。george sa

35、ridis 提出了智能机器理论，这种方法是基于三层控制结构。首先，依照boltzman 机器结构建立了组织层(organization level)，用于抽象推理、任务规划和决策。其次，协调层(coodination level)由一个作为协调器的petri网迁移行为(transducers acting)的结构组成，该协调器由调度员进行管理，起到向组织层提供接口的作用。最后，执行层由传感器和运动控制硬件组成，它与上面的协调器形成一对一的相互作用。整个结构基于“智能降低、精度增加”的原理。sandia国家实验室与其它美国能源实验室部门合作，并由doe的机器人技术发展计划(rtdp)资助，开发通

36、用智能系统控制器(gisc)。gisc 采用基于面向通信的概念，并按照这样一种概念，将一组能够相互通信的、具有互补能力的和半自主式的子系统集合成一个复杂的智能系统。每一个子系统有定义良好的命令和接口，并且通过各子系统的接口由一个监督控制程序协调系统的整个活动。单独的子系统也具有实时低层次控制功能，可以采用自主方式和异步方式来实现。为了解决非结构环境和突发事件的控制问题。华盛顿大学的brady kevin j等提出了“基于事件的规划控制”概念，这种规划的优点是对料想不到的环境具有非常强的鲁棒性，并用于多臂遥控机器人的控制随着机器人控制技术的发展，对具有开放式结构的工业机器人控制器的研究越来越为人

37、们所重视。特别是在与机器人控制相关的研究中，为了从关节这一级来改善和提高系统的性能迫切需求工业机器人具有开放的特性。在开放式控制器体系结构研究方面，有两种基本结构：一种是基于硬件层次划分的结构，该类型结构比较简单，仅从功能上来考虑；另一种是基于功能划分的结构，它将软硬件一同考虑。后者是控制器体系结构的研究和发展方向。1.4 机器人力控制主要的研究问题 机器人力控制中存在五个关键问题：位置伺服，碰撞冲击，稳定性研究，未知环境的约束研究，力传感器。以下将详细论述。(1) 位置伺服机器人的力控制最终是通过位置控制来实现，所以位置伺服是机器人实施力控制的基础。力控制研究的目的之一是实现精密装配；另外，

38、约束运动中机器人终端与刚性环境相接触时，微小的位移量往往产生较大的环境约束力。因此位置伺服的高精度是机器人力控制的必要条件。经过几十年的发展，单独的位置伺服已达到较高水平。因此，针对力控制中力/位之间的强耦合，必须有效解决力/位混合后的位置伺服问题。(2) 碰撞冲击机器人力控制过程中，必然存在机器人与环境从非接触到接触的过渡转换，理想状况是当接触到环境后立即停止运动，尽可能避免大的冲击，但由于惯性大且实时性差，极难达到。狭义上，主动顺应和被动顺应本身就是一对矛盾。如果没有足够的被动顺应环节来吸收能量，为避免碰撞冲击带来的破坏，只能是适当减小接触前的运动速度。因而碰撞冲击本质上制约着力控制的稳定

39、性。对于转换过程中的力冲击抑制问题，国内学者开展了大量的研究工作。具有代表性的有：非线性系统中单边受限问题的非连续转换控制策略，国内中科院沈阳自动化研究所提出的基于加速度，速度反馈的转换控制策略，运用智能控制手段调节控制器参数的方法等等。(3) 稳定性研究力控制中普遍存在响应速度和系统稳定性的矛盾，因此提高系统响应速度和防止系统不稳定是力控制研究中急待解决的问题之一。其中，nicoletti g m 在力/位混合控制模型中加入自适应算法保证了力控制系统的稳定性。seul j在阻抗模型中加入自适应算法保证了力控制系统的稳定性。(4) 未知环境的约束研究力控制研究中，对于接触环境的表面力跟踪是力控

40、制研究的重要问题，如接触环境表面的抛光，打磨等操作。一般接触环境的几何模型和接触刚度往往不能精确得到，多数情况是完全未知的。因此对未知环境的几何参数以及动力学参数做在线估计，或者根据机器人在该环境下作业时的受力情况实时确定力控方向(表面法向)和位控方向(表面切向)是有必要的。在环境动态特性未知(形状和刚度)时，传统的力控制方法是不能进行精确的力控制的。因此需要在传统控制方法的基础上引入智能控制算法，以便使机器人对接触环境动态特性的变化具有适应能力，这是目前力控制研究的热点之一。此外，为了使机器人能够对不同的接触环境进行力跟踪，基于多传感器的信息融合技术将是机器人力控制的新方向(5) 力传感器机

41、器人力控制中力信息的精确获取是重要的一个环节。力传感器作为必不可少的力反馈工具影响着力控制效果。采用精度高(分辨率、灵敏度和线性度等)、可靠性好和抗干扰能力强的机器人力传感器可以提高力控制的精度。就安装部位而言，可分为关节式传感器、腕部式传感器和手指式传感器。关节式力/力矩传感器有两种不同的方式：(1)使用应变片进行力反馈；(2) 采用电流检测式关节转矩传感。如果在机器人关节转矩控制中关节力信息的提取采用应变片式关节传感，这种传感方式包含了电机的非线性，关节传动机构的摩擦和负载的摩擦转矩的影响，应变片在机器人关节上的安装将会减少机械结构的刚度，引起机器人控制的不稳定，同时也减少伺服系统的带宽。

42、如果采用电流检测式关节转矩传感，可以直接检测驱动器的反馈电流，利用反馈电流和关节转矩的关系进行关节转矩的间接测量，与应变式传感相比，不需要专门安装应变片，结构简单，实时性更好且不会对机器人的结构刚度产生任何影响。这也是电流测量式关节传感的优势。但机器人系统中存在着各种干扰项，如重力、负载的影响、摩擦动力学相互作用、传动机构间隙和摩擦等。因此，如果采用基于电流检测的关节力矩控制必须对以上的不确定性和干扰进行必要的补偿。手腕式腕力传感器被安装于机器人末端执行机构与机器人手腕的联接处，它能够获得在机器人末端操作时的大部分的力信息。另外，由于精度高(分辨率、灵敏度和线性度等)，可靠性好，使用方便的缘故

43、，为机器人力控制研究所常用。 手指式力传感器，一般通过应变片测量而产生多维力信号，常用于小范围作业。如：灵巧手抓鸡蛋等实验，精度高，可靠性好，渐渐成为机器人力控制研究的一个重要方向，但多指协调复杂。1.5 力控制的应用场合有关力控制的实验和应用主要表现在如下几个方面：(1) 装配操作典型作业包括插销入孔，旋拧螺钉，摇转曲柄，搬运堆放重物等。控制效果的评价指标一般为装配间隙，受力状况和操作时间等方面。(2) 表面跟踪典型作业包括擦洗飞机、擦玻璃、修理工件表面(去毛刺,磨削或抛光等)、跟踪焊缝等。(3) 双手协调要求两个或两个以上的机器人手臂在相互约束的条件下能够协调地工作。通常一个手臂主动，另一

44、手臂在力控制下随动。双手协调是未来多臂机器人研究的基础。(4) 灵巧手多手指协调,控制抓拿物体(如鸡蛋、乒乓球等)力的大小。图1.5(a)，(b)，(c)为机器人力控制的应用实例。 图1.5 机器人力控制应用1.6 论文的主要研究内容1.6.1 本文的课题背景 本文以机械手在非规则回转壳体内或外表面上完成清理污垢、粘贴胶片或打磨表面等一类接触性作业作为机器人力控制具体的研究背景。以加工椭圆型工件为例，此操作是一项困难的工作。它的形状变化是平滑的，但变化是非规律的。并且随着粘贴胶片层数的增加和胶片材质的变化，壳体内壁上的刚度是未知且不断变化的。因此机械手力控制操作是在接触环境动态特性(形状和刚度

45、)未知条件下进行的，采用传统的力控制方法不能进行精确的力控制，需要在传统力控制方法的基础上引入智能控制算法，以便使机械手对接触环境动态特性的变化具有适应能力。针对在以上操作环境中形状和刚度均未知的接触表面)进行精确力控制的问题，本文提出了视觉模型与激光测距在力控制中的应用，对接触表面的未知几何参数进行预测，同时对接触表面的未知刚度变化进行补偿。并在不同的控制模型中进行了仿真研究。组建了能够进行力跟踪实验的开放式机器人实验平台，分析了硬件和软件体系结构的特点，对非规则、变刚度的受限表面进行力跟踪实验研究，所得的实验结果对智能机器人的设计具有重要参考价值。1.6.2 本文要解决的几个问题 本文将就

46、在未知接触环境下进行力控制的问题展开研究，主要将解决以下几个方面的问题：(1) 如何在接触环境的刚度未知且不断变化的情况下，通过智能控制手段与视觉模型和激光测距实现精确力控制的问题。(2) 如何在接触环境的形状和刚度完全未知情况下，即在受限环境的动态特性完全未知时，通过智能控制方法，视觉传感器及激光测距对接触环境的几何形状参数及动力学参数进行预测和补偿，从而实现精确力控制的问题。(3) 如何构造一种开放式的机器人力控制系统。在该系统中可以实现用户定制的智能预测算法，视觉模型（ccd摄像机）与激光测距仪进行预定的力控制实验。(4) 在开放式机器人实验平台中，在不同的控制模型(力/位混合控制模型，

47、阻抗控制模型)、不同的预测方式、不同的跟踪速度、不同的期望力，不同的接触刚度条件下应用智能控制算法对非规则受限表面进行了力跟踪实验，分析未知环境参数变化对力控制效果的影响。1.6.3 论文结构 第一章介绍了机器人力控制的研究现状、机器人控制器的体系结构、机器人力控制中主要的研究问题。同时，介绍了本论文研究的背景和研究内容。 第二章在传统的阻抗控制模型中应用模糊控制的方法实时调整参考轨迹，使机械手在受限运动中能够适应环境未知刚度的变化，同时在受限运动中改变阻抗模型参数使跟踪位置误差和力误差达到最小，提高全局的力控制效果。 第三章针对机器人在形状和刚度均未知的接触环境表面上进行柔顺控制的问题。视觉

48、测量技术是建立在计算机视觉研究基础上的一门新兴技术，研究重点是物体的几何尺寸及物体在空间的位置、姿态等的测量。视觉测量的分类方法有多种，其一是按所用视觉传感器数量可以分为单目视觉测量、双目视觉(立体视觉)测量和三(多)目视觉测量等。单目视觉测量是指仅利用一台数码相机或摄像机拍摄单张像片来进行测量工作。因其仅需一台视觉传感器，所以该方法的优点是结构简单、相机标定也简单，同时还避免了立体视觉中的视场小、立体匹配难的不足，因而近年来这方面的研究比较活跃。第四章是在应用视觉模型的基础上，在应用激光测距更加准确的测量所要加工物体的形状，位置以及姿态等信息。激光测距是光波测距中的一种测距方式，激光测距分为

49、数字式与相位式两种方法，本章主要利用相位式测量，相位式激光测距仪一般应用在精密测距中。由于其精度高，一般为毫米级。 第五章经过第三章与第四章对视觉模型与激光测距原理的简单介绍，本章开始对这两种传感器在机器人力控制中的应用进行详细的模拟仿真与分析。第六章对本文的研究进行总结，并展望进一步研究的前景。2 阻抗力控制的研究2.1 引言 阻抗控制不直接控制机械手末端与环境的作用力，而是通过调整反馈位置误差、速度误差或刚度使机械手末端的位置(或速度)及与接触环境的作用力之间满足某种理想的动态关系，从而使机械手表现出对环境的柔顺性，达到期望的接触力。在阻抗控制方法中以目标阻抗控制模型来表现机械手末端与接触

50、环境之间作用力理想的动态关系。虽然阻抗控制方法形式简单且易于实现，但阻抗模型需要精确预知接触环境的参数信息，如接触环境的刚度和形状信息等。在实际的应用中，对环境的了解往往是不知道或者不完全知道，这导致在许多场合，特别是力控制精度要求较高的场合中，传统的阻抗控制方法不能应用。为了克服这个缺陷，需要在传统的阻抗控制算法中加入一些智能控制方法，以便使控制器具有对未知环境的适应能力。对于焊接，喷漆，搬运等工作，机器人的末端执行器在运动过程中不与外界物体直接接触，机器人只需位置控制就够了。而对于切削，磨光，装配作业仅有位置控制很难完成任务。还必须控制机器人与操作对象间的作用力以顺应接触约束。机器人采用力

51、控制可以控制机器人在具有不确定性环境下实现与该环境想顺应的运动，从而可以更好地顺应更复杂的操作任务。对一些复杂的作业，如工作环境不确定或变化的装配和高精度的装配，对公差要求甚至超过了机器人本身能达到的精度，这时如试图通过位置控制来提高精度，不仅代价昂贵，而且可能是徒劳无益的。而采用了力控制后，可以大大提高机器人有效作业精度。hongan提出机器人的阻抗控制方法后，许多学者对阻抗控制进行了研究，发展了多种基于阻抗控制的控制方法。本文试图对文献中的阻抗控制进行总结，总结了阻抗控制与其它力控制的不同，对阻抗的方法进行了分析与分类。2.1.1 阻抗控制的特点在实现力控制时，阻抗控制，力位置混合控制、显

52、示力控方法各有其独特的特点。力位置控制方法是基于末端执行器的坐标空间按其是否被环境约束而分为位置子空间与力子空间。力位置控制方法通过控制末端执行其在末端执行器在位置子空间的位置和力子空间的力来实现顺应控制。这种方法的优点是可以直接控制末端执行器与环境之间的相互作用力，这在有些场合是很重要的。其缺点是需要很多的任务规划，以及需要在力控制与位置控制之间进行转换。阻抗控制是调节末端执行器与接触力之间的关系来实现顺应控制的，这种方法为了避碰、有约束和无约束的运动提供了统一的方法。其优点是需要很少的离线任务规划，对扰动和不确定性有很好的鲁棒性。能实现系统由无约束运动到有约束运动的稳定转换，因此阻抗控制被

53、认为更适合完成装备工作。其缺点是在实际工作中很难得到末端执行器的参考轨迹和环境位置、刚度。从而既无法实现准确的位置控制又无法准确实现力控制。近年来提出了基于阻抗控制的力跟踪算法。2.1.2 阻抗控制的实现方法在阻抗控制的早期，使用了固定增益的pd控制，这种方法实现简单，但在机器人位形以及速度变化时无法保持理想的阻抗，经过学者们的努力，发展了多种阻抗方法，总的来说有两种实现阻抗的方法，一种是基于动力学的阻抗模型方法，另一类是基于位置模型的阻抗控制方法。基于动力学模型的阻抗方法是应用最广泛的方法，这种方法检测位置和接触力，实用动力学模型作为前馈输入，所以这种控制策略依赖于动力学模型的准确性。同时基

54、于位置阻抗控制方法相比，这种方法能提供为减小接触力所需的较小的理想的阻尼和刚度。基于位置的阻抗控制方法通常只能是大的理想阻尼和刚度，这不利于减小机器人与约束之间的接触力。随着人工智能的发展，运用智能控制的成果，发展了多种智能控制策略来提高基于动力学模型的阻抗控制方法的控制性能。是基于动力学模型的控制器在存在动力学模型的不确定性时也能达到好的控制效果。给定目标阻抗，学习控制器能通过学习，使操作机能通过操作的重复进行是闭环响应达到目标阻抗。其缺点是假定每次操作取样的初始位置和速度，且假定无动力学波动和测量噪声。基于位置阻抗控制方法在实施时通过跟踪理想阻抗模型的位置来实现的。这种方法需要检测位置、速

55、度和接触力。将检测到的接触力施加到理想阻抗模型。从而可以获得理想位置矢量。使用内部控制环来跟踪这个位置矢量，这种方法不依赖于动力学模型，由于位置控制器的大增益会带来关节的高刚度，这种方法的缺点是当机器人的实际位置和模型理想位置矢量不同时将带来大的阻抗误差。从而将这种方法限制在简单的任务中。当使用阻抗控制来完成任务时，选用适当的阻抗控制参数是非常重要的。主要有三种方法来获得阻抗控制参数。一种是通过自适应方法来在线获得阻抗控制参数，另一种是利用神经网络学习方法，最后一种是从示教数据来获得阻抗数控制参数。 阻抗控制是一种重要的力控制方法，机器人的阻抗控制方法同力位置控制方法相比具有鲁棒性好，仅需较少

56、的任务规划等明显优点，但在工业生产中并未得到广泛应用，原因是一方面阻抗控制最常用的实施方法都是基于机器人动力学模型的，而要以充分的速率对机器人的动力学模型进行计算需要相当高级的计算机，同时由于模糊参数的误差，使得复杂计算得到的效果不理想，另一方面是要获得理想的阻抗控制参数较为困难。如前所述，阻抗控制的参数要用神经学习或通过对示教数据进行处理才能获得。这不是轻而易举的，这些问题虽经人们的努力，但未得到完全的解决。2.2 阻抗控制方法原理2.2.1 机器人的动力学方程推导阻抗控制方法是由hogan(1985) 17明确提出的。阻抗控制不孤立考虑机械手与接触环境，而是充分考虑两者的耦合关系。当机械手对接触环境进行作业时，对于接触环境来说，至少包含惯性或运动学限制，接触环境接受力输入来决定其运动响应，这样可以把接触环境用导纳来描述；对于机械手来说，为了保证其与接触环境(导纳系统)