一种复杂地形多机器人重载搬运协同调姿方法及系统
本技术涉及机器人,尤其涉及一种复杂地形多机器人重载搬运协同调姿方法及系统。
背景技术:
1、随着工业4.0与特种作业的深入发展,对于大型构件的搬运需求日益增加,所述大型构件包括风电叶片、航天舱段、大型变压器、桥梁预制件等。传统的搬运方式主要依赖两类技术。
2、第一类技术是基于集中式调度的重载agv技术。在重载自动导引车的作业场景中,作业环境往往是非结构化的复杂路面,例如建筑工地、野外场站等。在上述场景下,传统的被动悬挂或简单的液压调平难以应对动态颠簸,导致车身姿态失稳。现有技术中,公开号为cn121224356a的中国专利申请公开了一种重载agv液压悬挂姿态保持方法,针对上述问题提出了一种基于多源信息融合与预测控制的重载agv主动调平方法。该方案虽然理论上限较高,但由于融合了多项高算力需求的算法,包括激光雷达点云聚类、扩展卡尔曼滤波、gru神经网络推理以及模型预测控制的滚动优化,此外该方案属于数据驱动方法,其预测准确性完全取决于训练数据的完备性。若遇到训练集中未包含的极端工况,网络可能输出错误的动力学参数,导致控制失效。另外,受限于单台agv的负载能力,对于大型构件的协同水平姿态保持,该技术方案无法满足要求。
3、第二类技术是基于被动适应的单机调平技术。部分重载移动机器人配备了独立悬挂或调平支腿,能够根据地面起伏调整自身平台水平度。然而,当多台此类机器人共同举升一个刚性负载时,现有技术面临严峻挑战。由于缺乏多机之间的力与位协商机制,一旦地形出现凹凸不平,极易出现部分机器人虚腿即不受力,或部分机器人过约束即受力过大的现象,导致负载倾斜甚至设备损毁。现有技术中,公开号为cn112937725a的中国专利申请公开了一种能够自主调整爬坡平衡的agv机器人,在传统agv移动底盘的基础上引入了一套可升降支撑板机构与智能化容错控制系统,旨在解决agv在爬坡、越障时因重心偏移导致的失稳问题。该方案在机械结构和容错算法上有独到之处,但在实际应用中仍存在局限,其检测方式具有滞后性,缺乏多自由度控制能力,且无法应对大负载场景。
4、虽然单移动机器人自适应调姿技术在中小负载场景下已相对成熟,但在面向大负载、多移动机器人协同搬运过程中,尤其是非结构化地形下的协同搬运任务时,现有技术仍面临以下严峻挑战。
5、第一,状态感知的间接性与局限性。现有的移动机器人自适应调姿技术方案多依赖倾角传感器或压力传感器对平台状态进行间接检测,这种基于单一节点的间接感知模式,在面对多移动机器人协同搬运这种分布式系统时,难以构建全局统一的基准。在高频振动或负载突变的工况下,缺乏直接基准导致各节点难以实现高精度的同步调整,进而影响整体平台的调姿精度。
6、第二,单机负载能力的物理瓶颈。尽管单机例如重载移动机器人的水平保持已具备多种解决方案,但受限于车辆底盘结构与执行机构的物理极限,单机负载能力存在天花板。对于大负载的搬运任务,单纯依靠增强单机性能已难以满足需求,必须转向多机协同的集群作业模式,而现有的单机控制策略无法直接平移至多机分布式系统。
7、第三,多机协同在非结构化场景的适应性不足。目前的多机协同研究多集中于结构化路面的编队控制,针对非结构化场景例如不平路面、爬坡等的研究相对匮乏。现有的多机协同方案多局限于轻负载即100kg以内的探索性实验,往往依赖于顶部复杂连接平台的被动适应。这种设计思路在面对大负载场景时,由于缺乏刚性支撑与主动协同控制,极易产生结构失稳,存在显著的安全风险。
技术实现思路
1、本技术提供一种复杂地形多机器人重载搬运协同调姿方法及系统,旨在克服上述现有技术中存在的状态感知间接性与局限性、单机负载能力物理瓶颈以及多机协同在非结构化场景适应性不足等问题,通过建立基于水平投影不变性约束的三维空间运动学模型并构建调姿-运动解耦控制矩阵,解决调平动作对水平运动的速度耦合干扰问题,同时利用激光雷达与惯性测量单元的多源融合感知实现前瞻式地形预测与姿态主动补偿,并进一步引入虚拟参考机器人构建集群统一水平基准与队形能量函数,通过最小化队形偏差实现多机协同调平与队形刚性保持,从而在非结构化地形下实现大负载搬运过程中多机器人的高精度同步姿态保持。
2、第一方面,本技术提供一种复杂地形多机器人重载搬运协同调姿方法,所述方法包括:
3、建立各agv的纵向自适应驱动单元的空间运动学模型,得到各轮组在三维空间中的位姿与车体运动状态之间的动态映射关系,根据所述动态映射关系,在运动学逆解过程中引入纵向调平补偿项,利用所述补偿项修正调平动作对水平运动造成的诱导误差,得到引入补偿项后的轮组驱动转速重构表达式,将所述引入补偿项后的轮组驱动转速重构表达式矩阵化,构建出调姿-运动解耦控制矩阵;
4、利用各agv的激光雷达构建局部地形高程图作为空间几何约束,对惯性测量单元原始加速度进行物理级解耦以提取纯净地形倾角信号,并基于激光雷达前瞻感知建立地形-姿态时空映射模型,采用扩展卡尔曼滤波ekf对当前惯性测量单元反馈的姿态与激光雷达预测的未来地形先验进行融合估计,得到预测性姿态补偿量;
5、根据各agv的感知层观测信息构建集群状态向量,融合各agv的所述纯净地形倾角信号、相对高度差及顶升状态建立集群统一水平基准,根据所述预测性姿态补偿量更新所述集群状态向量中的高度参数,引入虚拟参考机器人并基于水平投影不变性约束构建队形能量函数,通过最小化所述队形能量函数求解各agv的最优运动与调平序列,将所述最优运动与调平序列代入所述调姿-运动解耦控制矩阵以生成各轮组驱动转速指令,驱动各agv执行协同调平与搬运任务。
6、进一步地,建立各agv的纵向自适应驱动单元的空间运动学模型,得到各轮组在三维空间中的位姿与车体运动状态之间的动态映射关系,包括:
7、定义全局坐标系g和agv中心体坐标系b;
8、根据水平投影不变性约束,假设纵向自适应驱动单元沿垂直于底盘平面的导轨运动,则四个麦克纳姆轮接触点在b系x-y平面的投影坐标满足:
9、
10、其中,为第
i个轮组在b系x轴方向的投影坐标,为第i个轮组在b系y轴方向的投影坐标,l为轮距,w为轴距,i为轮组编号;
11、根据所述投影坐标得到轮组的实时位置矢量表示为:
12、
13、其中,为第
i个轮组在b系中的实时位置矢量,为第
i个轮组的纵向主动调节量,为矩阵转置;
14、根据所述投影坐标及所述轮组实时位置矢量,建立从车体运动速度到各轮组实时位置矢量及其空间速度分量的映射关系,其中,为车体在b系x轴方向的线速度,为车体在b系y轴方向的线速度,为车体绕b系z轴方向的角速度,所述映射关系构成所述空间运动学模型。
15、进一步地,在运动学逆解过程中引入纵向调平补偿项,利用所述补偿项修正调平动作对水平运动造成的诱导误差,得到引入补偿项后的轮组驱动转速重构表达式,包括:
16、根据所述空间运动学模型中的轮组实时位置矢量,当底盘以速度运动且同时进行纵向调平动作时,通过如下公式计算水平面内的速度映射:
17、
18、
19、其中,为第
i个轮组在b系x轴方向的速度分量,为第
i个轮组在b系y轴方向的速度分量;
20、考虑轮组在z轴方向存在主动伸缩及轮子与地面接触的几何约束,将纵向调节速度在地形倾角α作用下产生的水平诱导速度分量作为解耦补偿算子,得到第
i个轮子的驱动转速重构表达式:
21、
22、其中,为第
i个轮子的驱动转速,为麦克纳姆轮有效半径。
23、进一步地,将所述引入补偿项后的轮组驱动转速重构表达式矩阵化,构建出调姿-运动解耦控制矩阵,包括:
24、根据所述引入纵向调平补偿项后的轮组驱动转速重构表达式,将所有轮子的驱动转速表示为矩阵形式,构建如下解耦控制矩阵:
25、
26、其中,为全向矩阵,为调平干扰补偿矩阵,
27、根据所述解耦控制矩阵的映射关系,在调节纵向高度的同时根据所述映射关系中的矩阵参数自动微调各驱动轮转速中的补偿分量,以抵消因调平机构z轴伸缩而引入的x-y平面位移误差,构建出所述调姿-运动解耦控制矩阵。
28、进一步地,利用各agv的激光雷达构建局部地形高程图作为空间几何约束,对惯性测量单元原始加速度进行物理级解耦以提取纯净地形倾角信号,包括:
29、利用机载激光雷达前瞻扫描获取agv前进方向的局部地形点云,根据所述局部地形点云计算该地形的实时法向量;
30、建立加速度矢量解耦模型,将惯性测量单元原始测量值解耦为:
31、
32、其中,为惯性测量单元的原始加速度测量值,为车体俯仰角,为车体翻滚角,为在车体俯仰角和翻滚角下投影至车体坐标系的重力矢量,为车体运动加速度矢量,为测量噪声项;
33、根据所述实时法向量的约束条件,即理想状态下车体姿态法向量与地形法向量一致,,强制从中剥离非地形因素引起的干扰量,得到剥离干扰量后的重力矢量,根据所述重力矢量进行反正切运算,提取得到所述纯净地形倾角信号。
34、进一步地,基于激光雷达前瞻感知建立地形-姿态时空映射模型,采用扩展卡尔曼滤波ekf对当前惯性测量单元反馈的姿态与激光雷达预测的未来地形先验进行融合估计,得到预测性姿态补偿量,包括:
35、根据所述纯净地形倾角信号,建立前瞻距离与agv实时车速的关联模型,计算agv到达前方地形起伏点的时间延迟:
36、
37、其中,为激光雷达的前瞻距离,为时间变量,为时刻agv的实时车速,为agv从当前位置到达前方地形起伏点所需的时间延迟;
38、将远端高程数据转化为车体坐标系下的姿态期望轨迹曲线:
39、
40、其中,为激光雷达在前瞻距离处扫描得到的地形高程数据,为将地形高程数据映射为车体姿态期望值的函数,为agv在时刻的姿态期望轨迹曲线;
41、将所述姿态期望轨迹曲线作为扩展卡尔曼滤波ekf的状态先验,将当前惯性测量单元反馈的即时姿态作为观测值,通过扩展卡尔曼滤波ekf的预测-更新迭代得到最优姿态估计,根据所述最优姿态估计与当前姿态的差值计算z轴方向上的行程补偿量,得到所述预测性姿态补偿量。
42、进一步地,在得到所述预测性姿态补偿量之后,还包括闭环修正过程:
43、导航激光雷达实时更新局部点云地图,解算前方地形曲率与坡度变化,完成全局地形建模;
44、根据所述姿态期望轨迹曲线,预先解算出各纵向自适应驱动单元所需的纵向行程补偿量;
45、在运动过程中,利用所述实时法向量的几何约束算法实时剔除因启停惯性造成的伪倾角信号;
46、将修正后的纯净倾角信号输入调平控制器,指令驱动单元在接触坡道瞬间完成主动补偿,得到更新后的预测性姿态补偿量。
47、进一步地,根据各agv的感知层观测信息构建集群状态向量,融合各agv的所述纯净地形倾角信号、相对高度差及顶升状态建立集群统一水平基准,包括:
48、建立各agv的实时观测状态集,其中,为第
i台agv的实时观测状态集,为第
i台agv的感知层输入向量,为第
i台agv的执行层状态向量;
49、,为第
i台agv在b系x轴方向的姿态角,为第
i台agv在b系y轴方向的姿态角,为第
i台agv在b系z轴方向的姿态角,、、分别为第
i台agv与其在集群队形中相邻的三台agv之间的相对高度偏差;
50、,为第
i台agv在集群局部坐标系中的位姿,,为第
i台agv在集群局部坐标系x轴方向的位置坐标,为第
i台agv在集群局部坐标系y轴方向的位置坐标,为第
i台agv在集群局部坐标系中的朝向角,分别为agv的四个麦克纳姆轮的自适应浮动调节高度,为第
i台agv的顶升平台调节高度;
51、利用机载检测激光雷达获取的相对高度差,实时解算与本体姿态、的耦合关系,确定每台agv为维持集群整体水平所需的总高度补偿量:
52、
53、其中,为单台agv为维持集群整体水平所需的总高度补偿量,为第
i台agv与相邻agv之间的相对高度差,为包括agv在b系x轴方向姿态角和y轴方向姿态角的姿态向量,为根据相对高度差和姿态角计算总高度补偿量的函数;
54、根据各agv的所述总高度补偿量确定各agv的顶升平台目标高度,使各agv的顶升平台顶面共面,以该共面平面作为集群统一水平基准。
55、进一步地,根据所述预测性姿态补偿量更新所述集群状态向量中的高度参数,引入虚拟参考机器人并基于水平投影不变性约束构建队形能量函数,通过最小化所述队形能量函数求解各agv的最优运动与调平序列,将所述最优运动与调平序列代入所述调姿-运动解耦控制矩阵以生成各轮组驱动转速指令,驱动各agv执行协同调平与搬运任务,包括:
56、根据所述集群统一水平基准,在xoy平面建立队形能量函数e:
57、
58、其中,为队形能量函数,用于量化实时队形与理想队形之间的偏差,为agv集群中所有agv的编号集合,和为agv集群中的agv编号,为第
i台agv与第
j台agv之间的队形偏差矢量,为第
i台agv在集群局部坐标系中的位姿,为第
j台agv在集群局部坐标系中的位姿,为理想队形下第
i台agvi与第
j台agv之间的期望相对位姿;
59、通过最小化队形能量函数,求解得到集群内每台agv的最优期望速度序列,其中,和为第1台和第4台agv的最优期望速度矢量;
60、根据集群任务速度与,解算出各agv在水平面内的名义分速度,其中,和为第1台和第4台agv在水平面内的名义分速度矢量;
61、根据单机姿态矢量及所述预测性姿态补偿量,实时计算纵向自适应驱动单元的浮动高度补偿量;
62、根据所述集群统一水平基准计算各agv的顶升平台期望高度,结合各agv当前顶升平台高度,计算顶升平台高度补偿量;
63、将解算出的最优期望速度序列、浮动高度补偿量与顶升平台高度补偿量输入所述调姿-运动解耦控制矩阵,生成所述各轮组驱动转速指令,驱动各agv执行协同调平与搬运任务。
64、第二方面,本技术提供一种复杂地形多机器人重载搬运协同调姿系统,包括多台agv;
65、每台所述agv包括agv本体、纵向自适应驱动单元、多自由度调姿平台、惯性测量单元以及激光雷达;
66、所述纵向自适应驱动单元安装于agv本体的各全向轮处,每套纵向自适应驱动单元包括悬挂系统、液压系统与伺服电机;所述悬挂系统连接于全向轮与agv本体之间,用于实现全向轮与agv本体之间的缓冲与支撑;所述液压系统与悬挂系统驱动连接,用于驱动悬挂系统纵向伸缩以实现轮组的纵向高度主动调节;所述伺服电机与全向轮传动连接,用于控制全向轮的转向与转速;
67、所述多自由度调姿平台固定设置于agv本体的上部,包括液压顶升单元与调姿平台;所述液压顶升单元支撑于agv本体与调姿平台之间,用于驱动调姿平台纵向升降以实现大行程顶升补偿;
68、所述惯性测量单元与激光雷达均固定安装于agv本体,所述惯性测量单元与激光雷达各自的信号输出端接入agv的控制器输入端,分别用于采集agv本体的姿态与加速度数据、以及地形与邻机相对位置高度数据;
69、各台所述agv之间通信连接,用于交互本体姿态、相对高度差及运动状态的集群协同数据;
70、所述系统还包括控制器,所述控制器的输入端分别与各agv的惯性测量单元和激光雷达连接,用于获取各agv的惯性测量单元采集的原始加速度数据和激光雷达采集的点云数据,所述控制器的输出端分别与各agv的伺服电机、液压系统和液压顶升单元连接,用于输出各轮组驱动转速指令、纵向行程补偿指令及顶升高度调节指令;
71、所述控制器基于各agv的惯性测量单元采集的原始加速度数据和激光雷达采集的点云数据,执行如上所述的方法,将生成的各轮组驱动转速指令输出至各agv的伺服电机,将生成的纵向行程补偿指令输出至各agv的液压系统,将生成的顶升高度调节指令输出至各agv的液压顶升单元,以驱动各agv协同完成调平动作与重载搬运任务。
72、本技术提供的复杂地形多机器人重载搬运协同调姿方法及系统,其至少具有如下有益效果:
73、1)本技术通过建立基于水平投影不变性约束的三维空间运动学模型,在运动学逆解过程中引入纵向调平补偿项并构建调姿-运动解耦控制矩阵,使得纵向调平动作对水平运动产生的速度耦合干扰得到实时补偿,实现了agv在调平过程中全向运动与姿态补偿的动态解耦,为多机器人系统在非结构化地形下的重载水平搬运提供了运动学基础。
74、2)本技术利用激光雷达构建局部地形高程图作为空间几何约束,对惯性测量单元原始加速度进行物理级解耦,使运动惯性分量与重力分量得到分离,提取出纯净的地形倾角信号;同时基于激光雷达前瞻感知建立地形与姿态的时空映射模型,通过扩展卡尔曼滤波ekf对当前姿态反馈与未来地形预测进行融合估计,使调平动作由被动响应转变为基于地形预判的主动补偿,提高了系统在动态运动过程中的姿态保持精度与响应速度。
75、3)本技术通过构建各agv的集群状态向量并融合各agv的姿态、相对高度差及顶升状态建立集群统一水平基准,在此基础上引入虚拟参考机器人并基于水平投影不变性约束构建队形能量函数,通过最小化队形偏差求解各agv的最优运动与调平序列,使集群在调平过程中水平投影几何特征保持刚性不变,形成运动、调平与协同一体化的闭环控制体系,实现了多agv在非结构化地形下大负载搬运任务中的同步调平与队形保持。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com