面向分布式多机械臂同步运动的事件采样神经动力学容错设计方法与流程
本发明涉及机器人控制,具体涉及一种面向分布式多机械臂同步运动的事件采样神经动力学容错设计方法。
背景技术:
1、随着任务规模和精度提升,单台机械臂难以独立完成高负载、强协作任务,分布式多机械臂系统已成为智能制造的核心技术路线,在协作任务中要求多台机械臂在通信拓扑约束下保持末端位置并同步跟踪轨迹。
2、机械臂关节在长期循环操作或复杂负载下,易出现磨损、变形及输出能力下降等故障。关节性能退化后若仍按理想模型控制,不仅会造成末端轨迹和同步误差,还可能引发夹持失败或碰撞风险。现有容错方法多面向单机或完全锁死故障,对多机系统中关节存在不同程度速度损失的性能退化情况考虑不足。因此,在关节退化条件下在线求解带有多维物理约束的优化问题,以实现可靠、安全的分布式协作运动生成,是机器人领域的关键难题。
3、递归神经网络(rnn)作为一种高效的神经动力学模型,凭借并行计算特性成为在线实时求解上述约束优化的主流方案。然而,现有递归神经网络(rnn)通常采用连续或固定高频的时间触发机制,在系统趋于稳定或状态变化微弱时仍会密集重复迭代,给机器人的本地控制器带来巨大的冗余计算开销。
技术实现思路
1、为了克服现有技术对关节性能退化、同步协作容错以及控制器计算负载考虑不足的问题,本发明提供一种面向分布式多机械臂同步运动的事件采样神经动力学容错设计方法,本发明将关节故障建模、领从协作约束、物理限制与二次规划优化相统一,通过分布式事件触发递归神经网络在线求解,在保障关节退化或锁死下多机高精度协同的同时,有效降低系统的冗余计算开销。
2、为了达到上述目的,本发明采用以下技术方案:
3、本发明提供一种面向分布式多机械臂同步运动的事件采样神经动力学容错设计方法,包括下述步骤:
4、构建机械臂的运动学模型,构建机械臂之间的无向通信拓扑和拉普拉斯矩阵;
5、构建关节性能损失故障模型,用于表征关节正常输出、乘性性能退化、加性故障以及关节锁死故障;
6、在多机器人机械臂协作任务下根据主机械臂的期望末端轨迹构建末端轨迹跟踪约束,并根据通信拓扑构建不同机械臂末端执行器之间的位置耦合约束和速度耦合约束;
7、根据机械臂关节角度上限、关节角度下限、关节速度上限和关节速度下限,构建速度级物理限制不等式约束;
8、以机械臂系统的关节速度范数最小为优化目标,将末端轨迹跟踪约束、位置耦合约束、速度耦合约束和速度级物理限制不等式约束统一为二次规划形式的同步协作运动生成问题;
9、基于非线性互补函数将二次规划形式的同步协作运动生成问题转化为误差函数求零问题,构建事件采样分布式神经动力学容错模型并求解多机械臂系统的最优关节速度;
10、将最优关节速度发送至各机械臂的关节执行单元,使存在关节性能退化或关节锁死的多机械臂系统执行同步协作运动。
11、作为优选的技术方案,构建机械臂的运动学模型,表示为:
12、;
13、其中,表示第台机械臂的关节状态变量,表示由关节空间映射到笛卡尔空间的光滑映射函数,表示第台机械臂末端执行器在世界坐标系下的运动轨迹,表示机械臂数量。
14、作为优选的技术方案,构建机械臂之间的无向通信拓扑和拉普拉斯矩阵,具体包括:
15、无向通信拓扑表示为:
16、;
17、其中,表示节点集合,每个节点对应一台机械臂,表示边集合,用于表示机械臂之间的通信关系,表示邻接矩阵;
18、拉普拉斯矩阵表示为:
19、;
20、其中,表示度矩阵。
21、作为优选的技术方案,构建关节性能损失故障模型,实际关节角输出表示为:
22、;
23、其中,为第台机械臂第个关节的实际关节角输出,为期望关节角输出,表示故障切换函数,为关节有效输出率,为关节发生加性故障对应的加性故障项;
24、对实际关节角输出求导后得到对应的故障关节速度。
25、作为优选的技术方案,故障切换函数表示为:
26、;
27、其中,为关节故障发生时刻,为任务执行终止时刻,故障发生前,实际输出等于期望输出,故障发生后,关节输出受有效输出率和故障项影响;
28、当且时,关节正常运行;
29、当且时,关节发生乘性性能退化;
30、当且时,关节发生加性故障;
31、当且,或且时,关节发生锁死故障。
32、作为优选的技术方案,在多机器人机械臂协作任务下根据主机械臂的期望末端轨迹构建末端轨迹跟踪约束,表示为:
33、;
34、其中,为期望末端轨迹,表示第台机械臂为主机械臂,表示第台机械臂为跟随机械臂,表示第台机械臂的关节状态变量,表示由关节空间映射到笛卡尔空间的光滑映射函数;
35、设定末端位置误差,设定误差收敛关系为,为收敛率调节参数,结合机械臂雅可比矩阵可得速度级轨迹跟踪约束为:
36、;
37、其中,为第台机械臂的雅可比矩阵,为第台机械臂的关节速度,表示第台机械臂的期望末端速度。
38、作为优选的技术方案,位置耦合约束表示为:
39、;
40、其中,为第台机械臂和第台机械臂末端执行器之间的期望相对关系,表示邻接矩阵的元素,、分别表示第台机械臂、第台机械臂的期望末端轨迹;
41、速度耦合约束表示为:
42、;
43、其中,为与第台机械臂存在通信关系的机械臂集合。
44、作为优选的技术方案,根据机械臂关节角度上限、关节角度下限、关节速度上限和关节速度下限,构建速度级物理限制不等式约束,具体表示为:
45、;
46、;
47、;
48、;
49、;
50、其中,和分别为关节角度下限和上限,和分别为关节速度下限和上限,和分别为速度级下限和速度级上限。
51、作为优选的技术方案,二次规划形式的同步协作运动生成问题表示为:
52、;
53、;
54、;
55、;
56、其中,表示多机器人机械臂系统的组合关节速度,为收敛参数,为单位矩阵,表示速度级物理限制的矩阵形式,表示相对位置矩阵,表示雅可比矩阵,表示多机器人机械臂系统的组合关节位置,表示光滑映射函数,
57、、、、由末端轨迹跟踪约束、位置耦合约束和速度耦合约束并结合图论定义,表示为:
58、;
59、;
60、;
61、;
62、其中,表示领航机械臂选择矩阵,和分别为和维度单位矩阵,为期望末端轨迹,表示第台机械臂的期望末端速度。
63、作为优选的技术方案,基于非线性互补函数将二次规划形式的同步协作运动生成问题转化为误差函数求零问题,构建事件采样分布式神经动力学容错模型并求解多机械臂系统的最优关节速度,具体包括:
64、根据最优性条件构造非线性互补关系,非线性互补函数表示为:
65、;
66、其中,和为互补变量;
67、二次规划问题的最优性条件转化为误差函数,其中,为由组合关节速度、等式约束乘子和不等式约束乘子构成的组合变量;
68、构造时变神经动力学求解误差函数,表示为:
69、;
70、其中,为收敛增益,为单调递增奇激活函数;
71、构建事件采样分布式神经动力学容错模型,表示为:
72、;
73、其中,、、表示矩阵参量,为神经网络更新的触发瞬间,为测量误差,和为调整灵敏度的参数,通过对求导并结合采样更新迭代,求得最优组合关节速度。
74、本发明与现有技术相比,具有如下优点和有益效果:
75、(1)本发明将关节故障建模、领从协作约束、物理限制与二次规划优化相统一,具体通过关节故障建模全面描述从轻微性能退化(速度损失)到极端锁死的多种关节故障形式,将多机器人末端轨迹跟踪、位置/速度同步耦合以及关节物理安全边界整合至统一的二次规划框架,确保运动生成结果同时满足任务精度与硬件安全性,各机械臂仅依赖自身状态和邻居通信信息参与分布式求解,极大降低了对中心控制器的依赖,提升了在局部故障和通信扰动下的容错自主性。
76、(2)本发明将事件采样引入递归神经网络中,将现有技术的高频连续迭代为按需触发更新,通过事件采样机制动态约束递归神经网络的激活与状态更新,使其仅在系统偏差达到触发条件时进行在线计算,在保障关节故障下多机末端高精度队形同步与轨迹跟踪的同时,显著降低本地控制器的冗余计算开销。
77、(3)本发明实现动态容错重分配,在部分关节退化或局部锁死时,能够通过速度重分配机制动态调度其余完好关节进行性能补偿,保持末端高精度队形同步,广泛适用于工业协作装配、具身智能机器人、双臂人形操作及集群实验平台。
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