一种移动机械臂正则化避奇异控制方法

摘要: 本发明涉及移动机械臂控制,尤其涉及一种移动机械臂正则化避奇异控制方法。背景技术:1、全向移动冗余机械臂由全向移动平台与冗余机械臂构成,兼具移动平台的大范围机动能...
一种移动机械臂正则化避奇异控制方法

本发明涉及移动机械臂控制,尤其涉及一种移动机械臂正则化避奇异控制方法。

背景技术:

1、全向移动冗余机械臂由全向移动平台与冗余机械臂构成,兼具移动平台的大范围机动能力和冗余机械臂的高灵活操作能力,能够在复杂环境中执行大范围、高灵巧度和多约束操作任务。与固定基座机械臂相比,全向移动冗余机械臂能够通过移动平台与机械臂之间的协调运动扩大工作空间并提升任务执行能力,但系统冗余度的增加也使轨迹跟踪、奇异构型规避、关节速度限制和执行机构约束之间形成更强的耦合关系。

2、在全向移动冗余机械臂控制过程中,奇异构型规避是保证系统安全性、稳定性和操作灵活性的关键问题。当机械臂接近奇异构型时,末端执行器在某些方向上的运动能力会明显下降,容易引起关节速度突变、控制振荡和轨迹跟踪精度下降。可操作度能够表征机械臂构型远离奇异区域的程度,因此常用于冗余机械臂构型优化和运动规划。通过在任务执行过程中提升或维持可操作度,可以增强系统的灵巧性、奇异规避能力和运动稳定性。

3、现有可操作度优化方法多基于梯度投影、伪逆或广义逆框架,将末端任务映射到关节空间,并利用冗余自由度优化可操作度指标。然而,这类方法仍存在以下不足:第一,可操作度通常是关节构型的非线性非凸函数,直接在关节位置层面进行优化容易陷入局部极值;第二,传统梯度型方法通常将可操作度梯度项直接叠加到关节速度解中,容易导致可操作度优化项与末端执行器位置误差调节之间发生耦合,从而限制轨迹跟踪精度;第三,在接近奇异构型时,伪逆或广义逆运算容易产生数值放大,导致关节速度突变、系统振荡甚至求解停滞。

4、此外,实际全向移动冗余机械臂中的关节速度、执行机构工作模式以及物理限幅往往具有非凸特性,难以由简单凸约束或线性速度边界准确描述。现有部分神经动力学求解方法虽然能够实现在线优化,但在处理非凸约束时常需要引入拉格朗日乘子、松弛变量或惩罚函数,导致问题维度和计算负担增加;若求解过程中仍涉及显式伪逆运算,则无法从根本上避免奇异区域附近的数值不稳定问题。

5、同时,神经动力学模型的收敛性能受到参数选取的显著影响。固定参数便于理论分析,但当末端跟踪误差较大、误差变化较快或系统接近稳态时,固定参数难以同时兼顾误差收敛速度、控制平滑性和计算效率。因此,需要一种能够弱化可操作度优化与末端位置误差调节之间耦合、避免显式伪逆计算、适应非凸速度约束并能够根据跟踪误差状态自适应调节收敛参数的全向移动冗余机械臂奇异构型规避方法。

6、因此,提出一种移动机械臂正则化避奇异控制方法,来解决现有技术存在的困难,是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此,本发明提供了一种移动机械臂正则化避奇异控制方法,弱化了可操作度优化与末端位置误差调节之间的耦合,避免了奇异区域附近伪逆运算引起的数值放大,能够在满足非凸速度约束的同时实现高精度轨迹跟踪与奇异构型规避,兼顾收敛速度、控制平滑性与计算效率。

2、为了实现上述目的,本发明采用如下技术方案:

3、一种移动机械臂正则化避奇异控制方法,包括:

4、s1、获取全向移动冗余机械臂的关节状态与末端期望轨迹和期望速度,将移动平台轮系坐标与机械臂关节角统一构成广义关节变量,建立全向移动冗余机械臂的运动学模型;

5、s2、构建末端执行器轨迹跟踪约束;

6、s3、利用雅可比矩阵构造全向移动冗余机械臂的可操作度指标,并计算可操作度关于广义关节变量的梯度向量,作为奇异构型规避和姿态优化的驱动项;

7、s4、构造正则化近似零空间投影矩阵;

8、s5、将正则化近似零空间投影矩阵作用于梯度向量,结合末端执行器轨迹跟踪约束建模得到的非凸可行域,构造正则化正交可操作度最大化优化问题;

9、s6、针对非凸可行域,构造分段非凸投影函数,将广义关节速度限制在预设非凸可行范围内;

10、s7、设计模糊自适应无伪逆递归神经网络求解器;

11、s8、将模糊自适应无伪逆递归神经网络输出的广义关节速度控制量作用于全向移动冗余机械臂,控制移动平台与机械臂关节协同运动,实现末端执行器轨迹跟踪、可操作度保持及奇异构型规避。

12、上述的方法,可选的,s1中,建立全向移动冗余机械臂的运动学模型,具体为:

13、根据全向移动平台几何关系和机械臂d-h参数,建立末端执行器位姿与广义关节变量之间的非线性运动学映射,并对非线性运动学映射求导,得到速度层面的运动学模型。

14、上述的方法,可选的,s2中,构建末端执行器轨迹跟踪约束,具体为:

15、根据全向移动冗余机械臂的末端期望轨迹和期望速度,建立由全向移动冗余机械臂雅可比矩阵和广义关节速度共同满足的速度层轨迹跟踪等式约束,使末端执行器能够跟踪预设期望轨迹。

16、上述的方法,可选的,s4中,构造正则化近似零空间投影矩阵,具体为:

17、正则化近似零空间投影矩阵中设置有正则化参数,根据可操作度指标的大小自适应调节正则化参数,当可操作度指标降低时,正则化参数增大。

18、上述的方法,可选的,s5中,构造正则化正交可操作度最大化优化问题,具体为:

19、将正则化近似零空间投影矩阵作用于可操作度梯度项,使可操作度优化目标嵌入到任务约束的近似正交子空间中;

20、将全向移动冗余机械臂的关节速度约束建模为非凸可行域,形成包含末端轨迹跟踪等式约束和非凸速度约束的正则化正交可操作度最大化优化问题。

21、上述的方法,可选的,非凸可行域的构造方式为:

22、针对广义关节速度的每一分量,设定外部饱和值和内部阈值,内部阈值小于外部饱和值,每一分量的取值范围为绝对值不超过外部饱和值,且排除以零为中心的、由内部阈值确定的预设非凸间隙区间。

23、上述的方法,可选的,s6中,针对非凸可行域,构造分段非凸投影函数,将广义关节速度限制在预设非凸可行范围内,具体为:

24、分段非凸投影函数将输入变量按其所属区间分段映射至非凸可行域的边界或非凸可行域内,包括对超出外部饱和值的分量进行限幅处理,以及对落入预设非凸间隙区间的分量映射至最近的可行边界。

25、上述的方法,可选的,s7中,设计模糊自适应无伪逆递归神经网络求解器,具体为:

26、基于梯度下降原理、速度补偿机制以及正则化正交可操作度最大化优化问题的结构,构建无需显式计算雅可比矩阵模型伪逆的递归神经动力学模型;以末端执行器的位置误差及其变化率作为模糊逻辑系统的输入,以收敛参数调节量作为模糊逻辑系统的输出,对递归神经动力学模型的收敛参数进行自适应调节,得到模糊自适应无伪逆递归神经网络。

27、上述的方法,可选的,构建无需显式计算雅可比矩阵模型伪逆的递归神经动力学模型,具体为:

28、定义末端执行器位置误差:

29、,

30、其中,

w为末端执行器的期望位姿,

w

a为末端执行器的实际位姿;

31、构造误差能量函数:

32、;

33、沿误差能量函数的负梯度方向进行演化,得到初始神经动力学更新形式,并将初始神经动力学更新形式嵌入分段非凸投影函数;

34、根据梯度下降原理,沿误差能量函数负梯度方向演化可得到初始神经动力学更新形式:

35、;

36、其中,

q为全向移动冗余机械臂的广义关节变量,表示广义关节速度;为误差能量函数

e对广义关节变量

q的偏导数,为收敛参数,为全向移动冗余机械臂的雅可比矩阵,为的转置;

37、将初始神经动力学更新形式嵌入非凸投影函数,得到:

38、;

39、其中,为为定义在非凸可行域

ξ上的分段非凸投影算子;

ξ为广义关节速度的非凸可行域;

40、引入速度补偿项,并将其与正则化正交可操作度优化项相结合,构造模糊自适应无伪逆递归神经网络:

41、

42、;

43、其中,

β为神经网络内部状态变量,

τ>0为时间常数,

γ>0为位置误差反馈系数,为模糊逻辑系统输出的收敛参数调节量,为可操作度优化权重,为正则化近似零空间投影矩阵,为可操作度关于广义关节变量的梯度向量,为末端执行器期望速度。

44、上述的方法,可选的,s7中,模糊逻辑系统以末端执行器位置误差范数及其变化率作为前件变量,以收敛参数调节量作为后件变量;

45、位置误差范数ε的语言变量,包括:零区域、中等正区域和较大正区域;

46、误差变化率的语言变量,包括:零区域、中等正区域和较大正区域;

47、收敛参数调节量的语言变量,包括:零、正小、正中、正大和正较大;

48、模糊逻辑系统采用mamdani型模糊推理机制,规则激活强度采用最小算子确定,聚合后的模糊输出采用重心法解模糊化得到收敛参数调节量的清晰值;

49、当末端执行器的位置误差范数ε为零区域,且收敛参数调节量为零区域时,收敛参数调节量为零;

50、当末端执行器的位置误差范数ε为零区域,且收敛参数调节量为中等正区域时,收敛参数调节量为正中;

51、当末端执行器的位置误差范数ε为中等正区域,且收敛参数调节量为零区域时,收敛参数调节量为正中;

52、当末端执行器的位置误差范数ε为零区域,且收敛参数调节量为较大正区域时,收敛参数调节量为正大;

53、当末端执行器的位置误差范数ε为较大正区域,且收敛参数调节量为零区域时,收敛参数调节量为正大;

54、当末端执行器的位置误差范数ε为中等正区域或较大正区域,且收敛参数调节量为中等正区域或较大正区域时,收敛参数调节量为正较大。

55、经由上述的技术方案可知,与现有技术相比,本发明提供了一种移动机械臂正则化避奇异控制方法,具有以下有益效果:本发明通过正则化近似零空间投影矩阵将可操作度梯度项嵌入任务约束的近似正交子空间,弱化了末端位置误差调节与可操作度提升之间的耦合关系,能够在保持轨迹跟踪精度的同时提升系统远离奇异构型的能力;本发明根据可操作度大小自适应调节正则化参数,在可操作度降低时增强正则化强度,从而抑制奇异构型附近由伪逆或广义逆运算引起的数值放大,提高全向移动冗余机械臂在奇异区域附近的运动稳定性;本发明构造了模糊自适应无伪逆递归神经网络求解器,避免在在线求解过程中显式计算矩阵伪逆,降低了计算复杂度,并通过速度补偿机制抑制传统神经动力学方法在时变轨迹跟踪中的滞后误差。