论文部分内容阅读
机器人研究的热点已逐渐转移到以“人为中心”的协作机器人上,人机协作已成为智能机器人领域的热点研究内容,在先进制造、医疗健康、社会服务等领域具有广泛应用。机器人系统在运行时存在固有非线性特性,且由于传感器噪声等容易出现模型失配与模型完全未知问题,同时系统还受到外界环境扰动的影响,因此基于机器人精确动力学模型的跟踪控制难以实现;另一方面,人和机器人进行物理交互时,人对于机器人是未知时变的动态交互环境,传统基于交互环境信息已知的交互控制方法难以应用。因此,考虑机器人自身不确定性与人行为不确定性的影响,提出有效的高精度闭环运动控制方法与具有环境适应性的交互控制策略对提升人机交互的安全性、柔顺性和智能性具有重要意义。本论文主要面向人与机器人通过物理交互完成协作任务的场景,考虑机器人动力学不确定性及扰动、系统状态约束、人机交互力调节、人类运动意图估计、人类阻抗参数学习等问题,开展了机器人自适应神经网络及模糊神经网络跟踪控制、机器人柔性关节自适应神经网络阻抗控制、机器人含人类运动意图估计与阻抗学习的人机交互控制、机器人基于贝叶斯估计的人机交互控制等研究,并且搭建了人机协作平台,实现人机高效协作,验证本文所提出的控制算法的有效性和实用性。主要内容和成果包含以下几个方面:(1)针对机器人外部环境未知扰动和自身系统存在的模型不确定性问题,提出了含扰动观测器的机器人自适应神经网络控制策略,研究了输出约束下的机器人全状态反馈和输出反馈自适应模糊神经网络控制策略,解决了机器人在受限空间下的精确跟踪问题。(2)针对机器人柔性关节难以调节自身柔顺特性的问题,提出一种机器人柔性关节自适应神经网络阻抗控制算法,集成了主动柔顺控制及被动机械柔性的优势,解决了柔性关节机器人动力学模型未知情况下的交互问题,使机器人能够调节自身柔顺性并避免突发碰撞带来的损失。(3)针对机器人与人交互时存在的人行为不确定问题,提出了机器人含人类运动意图估计与阻抗参数学习的人机交互控制策略,既能够实现对机器人的运动约束,保证人机协作时的安全性能,又能够提升人机协作柔顺程度。(4)针对机器人对人类阻抗参数学习与运动意图估计的难点问题,探索了基于贝叶斯理论的估计方法,设计了一种基于自适应神经网络的阻抗控制策略,并将人类运动意图估计与抗参数学习融入到控制框架,提升了机器人对人行为的学习能力。(5)针对机器人人机协作任务中的实际问题,开发了人机双臂协作装配平台与人机协作搬运平台,完成一些常见的人机协作任务,进一步验证本文所提出控制算法的有效性和实用性。本文的研究成果能够丰富目前对机器人交互控制的研究,进一步为解决人机协作系统中所存在的工程问题提供了一种可行的解决方案,也为人机物理交互领域的研究提供了新的研究方向。