基于視覺的機器人模糊自適應阻抗控制

李二超，李戰明，李煒

(蘭州理工大學 電氣與信息工程學院，甘肅省工業過程先進控制重點實驗室，甘肅 蘭州，730050)

基于視覺的機器人模糊自適應阻抗控制

李二超，李戰明，李煒

(蘭州理工大學 電氣與信息工程學院，甘肅省工業過程先進控制重點實驗室，甘肅 蘭州，730050)

對未知環境下具有6個自由度工業機器人的視覺/力反饋混合控制進行研究。首先，建立被跟蹤曲線圖像特征與機器人關節角度的映射關系；其次，由機器人離散阻抗控制規律描述機器人末端在受限表面移動時與受限表面產生連續接觸的條件，并根據接觸力的變化對阻抗模型參數進行模糊調節；最后，在未知物體表面對末端固定安裝單攝像機和力傳感器的6個自由度機器人進行力跟蹤試驗研究。研究結果表明：該阻抗控制具有較強的未知物體表面曲線跟蹤能力和較高的力控制精度，曲線跟蹤算法簡單，不要求對視覺傳感器進行精確標定，模糊控制器實時地調整阻抗參數，使系統穩定而且具有良好的動態品質，是一種有效的視覺/力反饋混合控制方法。

機器人；視覺；阻抗控制；模糊控制

接觸性的作業任務是工業機器人所完成的典型作業任務之一，例如插孔可通過機器人來實現[1]。然而，打磨和拋光等作業任務對機器人來說，具有相當大的難度，必須在控制位置的同時，還必須對機械手和環境之間的接觸力進行控制[2?6]。Huang等[4]指出力控制是在機器人末端操作手總是與環境接觸這個假設的基礎上工作的，否則很難建模，即使在一些假設的基礎上建立了模型，也會因為控制器的設計太復雜而無法應用。為了完成復雜的任務，必須采用多傳感器融合控制。Namiki等[7]提出了一種分層的多傳感器混合體系結構，但該體系結構硬件條件要求高，控制復雜，并不適合視覺/力反饋等較少數量傳感器的信息融合。Nelson等[8]給出了一種視覺/力反饋傳感器融合的體系結構，有一管理層對不同的傳感信息進行處理，結構簡單，但它的缺點是要對視覺傳感器、力覺傳感器和環境進行精確標定。Liu等[9]基于視覺反饋和速度控制方法實現了單軸的目標跟蹤和抓取，但這種方法應用于曲線跟蹤效果不理想。Hosoda等[10]用眼在手上結構和視覺阻抗的概念實現了平面機器人的目標抓取，并用 Lyapunov方程證明了系統的穩定性，但需要攝像機的精確標定。目前，國內機器人視覺/力反饋混合控制成果較少[11?13]，僅僅是在機器人裝配過程中利用一管理器對不同的傳感信息進行處理，以便在不同階段使用不同的傳感信息。從本質上說，這還不屬于視覺/力反饋混合控制，在此，本文作者結合文獻[14]提出一種新的視覺/力反饋混合控制方法。在視覺伺服控制時，該方法使用神經網絡逼近被跟蹤曲線圖像特征與機器人關節角度的映射關系，并不要求對視覺傳感器進行精確標定；同時，利用模糊自適應阻抗控制對約束環境的法線方向進行力控制。

1 被跟蹤曲線圖像特征與機器人關節角度的映射關系

圖1 圖像特征參數的定義Fig.1 Definition of image feature parameter vector

圖像處理時間比機器人伺服控制時間長。令T為機器人伺服控制周期時間，圖像提取特征時間視具體硬件和軟件而定。這里假設圖像特征提取時間為mT(其中，m為倍數)。在時間t=imT時，曲線圖像特征和曲線圖像特征增量為

式中：正整數S為學習的樣本數量。對具有6個自由度的機器人，輸入為θn(k+1)，輸出為θ(k)。當神經網絡訓練完成投入使用后，在線訓練指標為：

式中：d為神經網絡訓練完成后，初始值為θ(0)，ξ(0)(0)和Δξ(0)時神經網絡的輸出。

由于圖像處理的采樣周期比機器人伺服周期要長很多，所以，為使圖像處理和機器人伺服控制同步，這里采用二階保持器來處理圖像數據。

2 模糊自適應阻抗控制

阻抗控制是通過調節由用戶設定的目標阻抗模型，使機器人終端達到柔順運動[2]。常用的目標阻抗模型為：

式中：M，D和K分別為目標阻抗模型的慣性矩陣、阻尼矩陣和剛度矩陣；pd(t)和p(t)分別為機器人終端的參考運動軌跡和實際運動軌跡；f(t)為終端對環境的作用力；fd(t)為接觸力的設定值。

p(t)由圖2可以直接得到。工作空間坐標p(k)與機器人位形θ(k)表示的動力學方程為：

式中：J為雅可比矩陣。

圖2 視覺伺服控制方框圖Fig.2 Block diagram of visual servoing control system

3 試驗研究

為驗證本文提出的機器人視覺/力反饋混合控制策略，在Adept-3機器人上進行跟蹤未知軌線的實驗研究。機器人控制參數見文獻[16]，傳感器采用中國科學院合肥智能機械研究所研制的SAFMS-11型六維腕力/力矩傳感器。本文采用的攝像頭圖像尺寸為256像素×256像素，窗口長L為256像素，寬W為10像素。視覺伺服和力伺服的采樣時間分別為 150 ms和7 ms。

實驗要求機器人終端夾持的球頭觸桿沿未知軌線運動，法向跟蹤過程中保持 80 N的接觸力，圖 3～5所示為實驗結果。從圖3～5可見：所提出的視覺引導的機器人力/位混合控制策略的力跟蹤精度較高。現有的工業裝配機器人只要裝備腕力傳感器和攝像頭，就可以用所示方法對未知約束在線估計及機器人主動柔順控制算法進行柔順作業控制，因此，該算法具有較大的實用價值。

圖3 X軸方向的位置和力Fig.3 Position and force of X direction

圖4 Y軸方向的位置和力Fig.4 Position and force of Y direction

圖5 法向分量的位置和法向力Fig.5 Position of Z direction and force of normal direction

4 結論

(1) 在視覺伺服控制時，使用神經網絡可以逼近被跟蹤曲線圖像特征與機器人關節角度的映射關系，不要求對視覺傳感器進行精確標定。

(2) 利用模糊自適應阻抗控制對約束環境的法線方向進行力控制，增強了對接觸環境參數變化的魯棒性。

(3) 采用二階保持器處理圖像數據可解決圖像處理和機器人伺服控制不同步問題。為提高圖像處理的速度，可以加入卡爾曼濾波器作為預測器預測特征點的下一個位置，從而準確地設置圖像處理的窗口。

[1]張錕, 韋慶, 常文森. 一種基于力/位混合控制進行插孔作業的策略[J]. 機器人, 2002, 24(1): 44?48.

ZHANG Kun, WEI Qing, CHANG Wen-sen. An insertion strategy based on force/position hybrid control[J]. Robot, 2002,24(1): 44?48.

[2]李二超, 李煒. 在未知環境下面向位控機器人的力/位混合控制[J]. 煤炭學報, 2007, 32(6): 657?661.

LI Er-chao, LI Wei. Hybrid force/position control for positionalcontrolled robotic manipulators in unknown environment[J].Journal of China Coal Society, 2007, 32(6): 657?661.

[3]Joo E M, Yang G. Robust adaptive control of robot manipulators using generalized fuzzy neural networks[J]. IEEE Transactions on Industrial Electronics, 2003, 50(6): 620?628.

[4]Huang L, Ge S S, Lee T H. Fuzzy unidirectional force control of constrained robotic manipulators[J]. Fuzzy Sets and Systems,2003, 134(1): 135?146.

[5]Lopes A, Almeida F. A force–impedance controlled industrial robot using an active robotic auxiliary device[J]. Robotics and Computer: Integrated Manufacturing, 2008, 24(3): 299?309.

[6]Meeussen W, Staffetti E, Bruyninckx H. Integration of planning and execution in force controlled compliant motion[J]. Robotics and Autonomous Systems, 2008, 56(5): 437?450.

[7]Namiki A, Komuro T, Ishikawa M. High-speed sensory-motor fusion based on dynamics matching[J]. Proceedings of the IEEE, 2002, 90(7): 1178?1187.

[8]Nelson B J, Morrow J D, Khosla P K. Fast stable contact transitions with a stiff manipulator using force and vision feedback[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Pittsburgh, 1995: 90?95.

[9]Liu Y, Handroos H, Alkkiom?ki O. Tracking of a moving target by combination of force/velocity control based on vision for a hydraulic manipulator[C]//IEEE International Conference on Mechatronics and Automation. Harbin, China, 2007:3226?3231.

[10]Hosoda K, Igarashi K, Asada M. Adaptive hybrid control for visual and force servoing in an unknown environment[J].Robotics & Automation Magazine, 1998, 5(4): 39?43.

[11]席文明, 顏景平, 羅翔. 位置、力反饋和視覺融合控制的機器人軸孔裝配[J]. 制造業自動化, 2001, 23(5): 43?45.

XI Wen-ming, YAN Jing-ping, LUO Xiang. The assembly of shaft and hole controlled by position,force feedback and vision[J]. Manufacturing Automation, 2001, 23(5): 43?45.

[12]陳立國, 孫立寧, 榮偉彬. 基于顯微視覺與微力覺柔順混合控制的微操作機器人[J]. 高技術通訊, 2003, 12: 53?56.

CHEN Li-guo, SUN Li-ning, RONG Wei-bin.Micromanipulation robot based on hybrid control of micro-vision and micro-force flexible control[J]. Chinese High Technology Letters, 2003, 12: 53?56.

[13]陳立國, 孫立寧. 基于顯微視覺的MEMS微裝配系統研究[J].機械與電子, 2005(5): 31?32.

CHEN Li-guo, SUN Li-ning. Research of MEMS assembly system based on micro-vision[J]. Machinery & Electronics,2005(5): 31?32.

[14]XIAO Nan-feng. Learning-based force servoing control of a robot with vision in an unknown environment[J]. Journal of Systems Engineering and Electronics, 2004, 15(2): 171?178.

[15]姜力, 蔡鶴皋, 劉宏. 基于滑模位置控制的機器人靈巧手模糊自適應阻抗控制[J]. 控制與決策, 2001, 16(5): 612?616.

JIANG Li, CAI He-gao, LIU Hong. Fuzzy adaptive impedance control of dextrous robot hand based on sliding mode position control[J]. Control and Decision, 2001, 16(5): 612?616.

[16]喬兵. 智能機器人主動力/位學習控制研究[D]. 南京: 南京航空航天大學機電工程學院, 1999: 40?43.

QIAO Bing. The active learning position/force control for intelligent robotic manipulators[D]. Nanjing: Nanjing University of Aeronautics and Astronautics. College of Mechanical and Electronical Engineering, 1999: 40?43.

(編輯 陳燦華)

Fuzzy adaptive impedance control of robot based on vision

LI Er-chao, LI Zhan-ming, LI Wei

(Key Laboratory of Gansu Advanced Control for Industrical Processes, College of Electrical and Information Engineering,Lanzhou University of Technology, Lanzhou 730050, China)

Hybrid control for visual/force servoing was studied in an unknown environment with six degrees of freedom industrial robot. Firstly, the one-to-one mapping relations between the image features of the curved line and the joint angle of the robot were derived. Secondly, an impedance control law was used to describe the conditions of the constant contact resulted from the end effector and the constrained surface while it was in motion, and then a fuzzy tuning mechanism was used to generate the impedance model. Lastly, the effectiveness of the presented approach was verified using six degrees of freedom robot with a CCD camera and a force/torque sensor installed in its end effector. The experimental results show that the strategy has a stronger curve tracking capabilities of the unknown surface and higher accuracy of force control, and parameters of camera need not be calibrated precisely; impedance parameters are modified real-time by fuzzy controller; the stability and dynamic behavior are improved, and the strategy is an effective controller for visual/force servoing.

robot; vision; impedance control; fuzzy control

TP242.6

A

1672?7207(2011)02?0409?05

2009?12?11；

2010?03?20

國家自然科學基金資助項目(60964003，61005026)；甘肅省工業過程先進控制重點實驗室基金資助項目(XJK0901)

李二超(1980?)，男，河北保定人，博士，講師，從事機器人智能控制、機器視覺等研究；電話：0931-2973607；E-mail：ysdxlec@126.com