基于时延预测的遥操作机器人预测显示方法

1.本技术涉及机器人领域，尤其涉及遥操作机器人，且更具体地，涉及用于机器人的控制系统以及用于在控制系统中模拟机器人的运动的方法。


背景技术：

2.主从遥操作系统作为人机协作系统，既能够充分发挥机器人完成远端任务的优势，又可以结合人的智能执行复杂任务和处理意外事件.在主从遥操作任务中，操作者对从端环境的感知至关重要，但通讯时延使操作者无法实时获取远端作业现场的反馈信息，这不仅降低了操作效率和操作质量，还会威胁操作安全.预测显示技术可以同时提高系统的稳定性和透明性。在非接触任务中，视觉对总感知信息的贡献超过70％。


技术实现要素：

3.本发明目的是提供本发明涉及提出了一种基于时延预测的遥操作机器人预测显示方法，把时变时延在时间维度上对主从控制信号的拉伸和压缩作用看作是系统扰动，并利用时延在线预测结果对该扰动进行前馈补偿.首先，对基于预测显示的遥操作系统进行动力学建模，并计算出了包含时延扰动的预测显示机器人的期望控制量.然后，以时延组成最为复杂的空间遥操作系统为例，分析了遥操作系统通讯时延的产生机理，并根据其产生机理、模型和统计规律对通讯时延进行在线预测。
4.本发明为实现上述目的所采用的技术方案是：基于时延预测的遥操作机器人预测显示方法，包括以下步骤：
5.力反馈主手受力并给出机器人的参考位置和参考速度；
6.主端控制器根据主手给出的位置和参考速度得到从端机器人在关节空间下的期望状态作为遥操作指令，并发送给从端控制器；从端控制器接收到主端指令后把机器人的当前状态发送回主端；
7.主端控制器根据包含机器人的当前状态的反馈数据包上的时间戳和指令编号测量通讯时延，并通过时延预测模块进行时延预测，时延预测结果被打包到下条遥操作指令中；
8.从端控制器根据主端遥操作指令中的期望状态和时延预测结果规划从端机器人的轨迹，并得到机器人控制量；
9.主端控制器根据从端反馈状态、时延预测结果和指令缓存计算预测显示系统的控制量；
10.预测显示系统根据主端控制器给出的控制量进行运动，并把计算出的预测力发送给力反馈主手；预测显示系统发送给主端控制器的位姿用于校正虚拟机器人的运动累计误差，从端反馈力用于环境动力学参数辨识。
11.在从端控制器建立机器人的动力学模型，x(t)为从端机器人在关节空间下的状态量，状态量包括关节位置和关节速度；可得到从端机器人的动力学方程：
[0012][0013]
其中，a
21
和a
22
为负定对角阵，f(x(t))包含了从端所有非线性部分和环境的反作力，为惯性矩阵，τs(t)为输入转矩，n为自由度个数。
[0014]
从端控制器对机器人控制量如下：
[0015]
从端机器人的控制输入为u(t)＝-[a
21 0n×n]x
dd
(t)；其中x
dd
(t)为主端计算出的期望状态的时延量，根据f(x(t))和x(t)的关系及从端机器人的控制输入u(t)和输入转矩τs(t)的关系，得到主端和从端构成的系统闭环方程为
[0016][0017]
从端机器人的输出为y(t)＝x(t)，并对其进行离散化得：
[0018][0019]
其中，g和h分别为矩阵a和b的离散化结果，u(k)＝-[g
21 0n×n]xd(k-df)df＝tf/ts为前向时延拍数，tf为前向时延，ts为采样周期，k为离散点的个数，xd为主端计算出的期望运动状态，用于发送至从端。
[0020]
主端控制器接收从端控制器的反馈数据具体如下：
[0021]
主端在kts时刻接收到的从端状态反馈量为xm(k)＝x(k-db)，则j个指令后从端的状态模型如下：
[0022][0023]
其中，db＝tb/ts，为反向时延拍数，tb为反向时延，为根据从端指令缓存对u(k)的估计，为时变时延对整个遥操作系统的未知扰动，m表示主端，w为未知扰动，i表示积分取样个数。
[0024]
主端控制器对从端机器人的预测状态，用于预测显示系统显示，通过去除状态模型中的扰动部分实现，去除扰动部分的状态模型如下：
[0025][0026]
其中，db＝tb/ts，为反向时延拍数，tb为反向时延，ts为采样周期，m表示主端，i表示积分取样个数。
[0027]
所述通过时延预测模块进行时延预测，具体如下：
[0028]
对于地面控制中心与地面基站间的地面网络传输时延，利用平移伽马分布的长程相关性，采用基于稀疏矩阵的多元线性回归算法对地面传输时延进行一步预测；
[0029]
对于地面基站与空间设备间的天地传输时延，采用三次多项式对通信时延进行拟合和预测.每次预测时，选择前面若干秒的实测时延对多项式参数进行最小二乘辨识，然后
根据辨识出的模型外推出未来时延；
[0030]
对于信息回路中各节点的信息处理时延，当需要一步预测算法时，采用基于稀疏矩阵的多元线性回归算法进行预测；当需要进行长程预测时，只把当前预测值当作实测时延继续向后预测；
[0031]
上述将3段时延预测值相加便得到完整的时延预测结果，即前向时延或反向时延。
[0032]
所述时延预测结果为地面控制中心与地面基站间的地面网络传输时延、地面基站与空间设备间的天地传输时延、信息回路中各节点的信息处理时延的和。
[0033]
所述主端控制器根据从端反馈状态、时延预测结果和指令缓存计算预测显示系统的控制量，具体如下：
[0034]
在主端控制器中，将得到的时延预测结果对扰动进行补偿，然后将从端反馈状态和缓存指令导入状态模型xm(k j|k)，即可得到预测显示系统的预测状态。
[0035]
本发明具有以下有益效果及优点：
[0036]
1.预测显示可同时提高遥操作系统的透明性和稳定性。
[0037]
2.本发明提高了时变时延下预测显示的精度，解决了大时变时延遥操作系统的预测显示存在的虚实信号不对应问题。
附图说明
[0038]
图1本发明的系统框架图。
具体实施方式
[0039]
下面结合附图及实施例对本发明做进一步的详细说明。
[0040]
如图1所示，在主从遥操作任务中，操作者通过力反馈主手给出机器人的参考位置和参考速度，主端控制器根据主手给出的参考量计算出从端机器人在关节空间下的期望状态，并发送给从端控制器，从端控制器接收到主端指令后立即把机器人的当前状态发送回主端。主端控制器根据反馈数据包上的时间戳和指令编号测量通讯时延，并通过时延预测模块进行时延预测，时延预测结果会被打包到下条遥操作指令中。从端控制器根据主端指令中的期望状态和时延预测结果规划从端机器人的轨迹，并计算机器人控制量。主端控制器根据从端反馈状态、时延预测结果和指令缓存计算预测显示系统的控制量。预测显示系统根据主端控制器给出的控制量进行运动，并把计算出的预测力发送给力反馈主手和操作者。预测显示系统发送给主端控制器的位姿用于校正虚拟机器人的运动累计误差，从端反馈力用于环境动力学参数辨识。
[0041]
预测显示系统(虚拟机器人)的运动状态是根据从端机器人反馈状态、时延预测结果及指令缓存结果这三项数据计算预测得来，包括以下步骤：
[0042]
建立主端和从端机器人的动力学模型，定义x(t)为从端机器人在关节空间下的状态量，状态量包括关节位置和关节速度。可得到虚拟从端机器人的动力学方程：
[0043][0044]
其中，a21和a22为负定对角阵，f(x(t))包含了从端所
有非线性部分和环境的反作力，为惯性矩阵，τs(t)为输入转矩。
[0045]
为了保证主从操作的因果关系和遥操作系统的安全性，需要优先保证从端机器人对主端位置的准确跟踪，设置从端机器人的控制输入为u(t)＝-[a
21 0n×n]x
dd
(t)。其中x
dd
(t)为主端计算出的期望状态的时延量，根据f(x(t))和x(t)的关系及从端机器人的控制输入u(t)和输入转矩τs(t)的关系，可得到渐进稳定状态下的系统闭环方程为
[0046][0047]
定义从端机器人的输出为y(t)＝x(t)，并对其进行离散化可得：
[0048][0049]
其中，g和h分别为矩阵a和b的离散化结果，u(k)＝-[g
21 0n×n]xd(k-df)df＝tf/ts为前向时延拍数，tf为前向时延，ts为采样周期。
[0050]
假设主端在kts时刻接收到的从端状态反馈量为xm(k)＝x(k-db)，则j步后从端的状态如下：
[0051][0052]
其中，db＝tb/ts，为反向时延拍数，tb为反向时延，为根据指令缓存对u(k)的估计，为时变时延对整个遥操作系统的未知扰动。
[0053]
利用时延预测系统对时变时延进行预测，将得到的时延预测结果对扰动进行补偿后，即可根据遥操作指令缓存和从端机器人的状态反馈估计出从端机器人的理论状态，这个理论状态即为预测显示系统的需要的结果，也就是虚拟机器人的状态。
[0054]
对扰动补偿的方法，从端控制器会按照时延预测结果对遥操作指令进行插值。
[0055]
时延预测系统针对时变时延的预测，包括以下步骤：
[0056]
空间遥操作系统的传输时延包括地面控制中心与地面基站间的地面网络传输时延、地面基站与空间设备间的天地传输时延、信息回路中各节点的信息处理时延，而普通地面遥操作系统的通信时延只是其中的一部分，所以本专利中的实验预测方法具有通用性。
[0057]
针对地面控制中心与地面基站间的地面网络传输时延，利用平移伽马分布的长程相关性，采用基于稀疏矩阵的多元线性回归算法对地面传输时延进行一步预测，并且只选用和当前时延相关性足够大的实测时延值来预测当前时延。
[0058]
针对地面基站与空间设备间的天地传输时延，采用三次多项式对通信时延进行拟合和预测.每次预测时，选择前面几秒的实测时延对多项式参数进行最小二乘辨识，然后根据辨识出的模型外推出未来时延.
[0059]
针对信息回路中各节点的信息处理时延，当需要一步预测算法时，采用基于稀疏矩阵的多元线性回归算法进行预测；当需要进行长程预测时，只需把当前预测值当作实测时延继续向后预测。
[0060]
将3段时延预测值相加便得到完整的时延预测结果。