協(xié)作機器人-感知、交互、操作與控制技術(shù) 課件 7-機器人-環(huán)境交互_第1頁
協(xié)作機器人-感知、交互、操作與控制技術(shù) 課件 7-機器人-環(huán)境交互_第2頁
協(xié)作機器人-感知、交互、操作與控制技術(shù) 課件 7-機器人-環(huán)境交互_第3頁
協(xié)作機器人-感知、交互、操作與控制技術(shù) 課件 7-機器人-環(huán)境交互_第4頁
協(xié)作機器人-感知、交互、操作與控制技術(shù) 課件 7-機器人-環(huán)境交互_第5頁
已閱讀5頁,還剩3頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

機器人-環(huán)境交互技術(shù)機器人-環(huán)境交互分類依據(jù)機器人與其環(huán)境之間交互的性質(zhì),可分為兩類:非接觸任務和接觸任務。第一種即自由空間中的無約束運動,如機器人攜帶攝像頭進行巡檢等,機器人對環(huán)境沒有任何的影響。在非接觸任務中,機器人自身的動力學對其性能有著至關(guān)重要的影響。與這些任務相反,許多復雜的高級機器人應用屬于接觸任務,如裝配和加工,需要機械臂與其他物體進行力耦合。機器人-環(huán)境交互建模剛性機械臂與環(huán)境交互的動力學模型由以下形式的向量微分方程描述:使用機器人雅可比矩陣,我們可以將機器人動力學模型從關(guān)節(jié)坐標系轉(zhuǎn)換為末端執(zhí)行器坐標系:由于力相互作用過程通常非常復雜,很難用精確的數(shù)學方法進行描述,因此不得不引入某些簡化,從而部分地將問題理想化。在實踐中,交互力

通常建模為機器人動力學的函數(shù),即末端執(zhí)行器的運動(位置、速度和加速度)和控制輸入的函數(shù):(1)(2)(3)機器人-環(huán)境交互控制對柔順運動控制中遇到的問題進行了廣泛的研究,提出并闡述了幾種控制策略和方案。這些方法可以根據(jù)柔順的種類進行初步的系統(tǒng)化。根據(jù)該標準,可以區(qū)分柔順運動的兩組基本控制概念,如下所示:被動柔順,由于機械手結(jié)構(gòu)、伺服或特殊柔順裝置中固有的柔順性,末端執(zhí)行器位置由接觸力本身調(diào)節(jié);主動柔順,其中柔順性通過構(gòu)建力反饋閉環(huán)來實現(xiàn),以便通過控制交互力或通過在機器人末端生成特定于任務的順應性來實現(xiàn)可編程機器人反應。主動柔順控制方法可分為力控制和阻抗控制。主動柔順控制方法力控制,即通常的位置/力控制,其中所需的交互力和機器人位置都受到控制。在力控制中,給定期望的力軌跡,并測量力以實現(xiàn)反饋控制。力控制方法可以分為力位混合控制、統(tǒng)一力/位置控制、并聯(lián)位置/力控制等。阻抗控制,它使用作用力和末端執(zhí)行器位置之間的不同關(guān)系來調(diào)整末端執(zhí)行器對外力的機械阻抗。阻抗控制問題可以定義為設(shè)計控制器的要求,以便交互力根據(jù)目標阻抗定律控制末端執(zhí)行器的標稱位置和實際位置之間的差異。阻抗控制可以分為基于力控制的阻抗控制和基于位置控制的阻抗控制。機器人-環(huán)境交互控制發(fā)展趨勢通過分析國內(nèi)外研究現(xiàn)狀,不難發(fā)現(xiàn)機器人-環(huán)境交互控制技術(shù)還不能滿足要求。在機器人-環(huán)境交互控制領(lǐng)域還有許多問題亟待解決:首先,對于機器人-環(huán)境交互問題,目前很多研究只考慮機器人的阻抗控制參數(shù),并未考慮環(huán)境模型參數(shù)。這使得系統(tǒng)模型并不完整。當機器人與環(huán)境相互作用時,將機器人與環(huán)境作為一個整體來考慮是很自然的。其次,對于機器人-環(huán)境交互問題,目前許多研究假設(shè)環(huán)境參數(shù)是已知的,這在實際應用中通常無法實現(xiàn)。第三,對于機器人-環(huán)境交互問題,目前許多研究都假設(shè)交互只發(fā)生在單個接觸點上,而機器人-環(huán)境多點交互問題非常常見,但目前關(guān)于這方面的研究很少。第四,對于機器人-環(huán)境交互問題,通常采用阻抗控制方法。但是阻抗控制只是動態(tài)行為控制的一種特殊情況,其在很多復雜場合的應用受到限制。為此,需要進一步研究更為一般的動態(tài)行為控制模型和框架來解決這類問題。展望

對于環(huán)境動力學模型和位置參數(shù)未知的機器人-環(huán)境交互問題,如何獲得優(yōu)化的交互性能是一個非常重要和復雜的問題。對于這類問題,強化學習方法提供了非常合適的工具。在強化學習方法中,系統(tǒng)與環(huán)境之間相互作用產(chǎn)生的強化信號是對當前行為的評價,然后根據(jù)強化信號更新控制策略以適應環(huán)境。在機器人-環(huán)境交互中,交互作用力是對當前機器人-環(huán)境交互行為的一個評

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論