申请/专利权人：中山大学

申请日：2023-12-15

公开（公告）日：2024-03-12

公开（公告）号：CN117681196A

主分类号：B25J9/16

分类号：B25J9/16;B25J11/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明提供一种冗余机械臂的位置层路径跟踪与障碍物躲避方法、系统及机器人，步骤包括：1确定机械臂与障碍物之间的安全距离；2构建机械臂位置层路径跟踪和障碍物躲避的耦合问题方程；3引入模式切换器，根据零化神经网络ZNN演化法则设计得到变结构ZNN求解器，求解步骤2中的耦合问题；4将步骤3中的求解结果传递给下位机控制器以驱动机械臂完成指定的末端任务。本发明通过设计一种新的变结构神经网络，使得机械臂能够在位置层上实现机械臂的路径跟踪，且能够在不影响末端任务的前提下躲避障碍物，避免机械臂产生物理损伤。

主权项：1.一种实现冗余机械臂路径跟踪与障碍物躲避的方法，其特征在于，包括如下步骤：步骤一、确定机械臂与障碍物之间的安全距离d；步骤二、根据具体的机械臂构建其位置层路径跟踪与障碍物躲避耦合问题，实现路径跟踪的等式约束为fEθ＝rd，实现障碍物躲避的不等式约束为pC-pOTpC-pO≥d2，其中θ表示机械臂的关节角位置，fEθ表示在关节角位置θ时机械臂末端执行器的三维坐标，rd表示期望的末端执行器运动轨迹，pC和pO分别表示关键点C和障碍物点O的坐标，坐标pC通过构建机械臂运动学方程fCθ获得，表示关键点C在关节角位置θ时的三维坐标；障碍物躲避的不等式约束pC-pOTpC-pO≥d2通过投影算子P·，转换为等式约束pC-pOTpC-pO-d2＝ΡpC-pOTpC-pO-d2，其中投影算子定义为： 步骤三、定义误差监测函数et为： 引入右上Dini导数，根据零化神经网络ZNN的演化法则设计并经过化简，得到一种ZNN求解器： 其中γ＞0是收敛参数，JEθ表示机械臂末端执行器的雅可比矩阵，JCθ表示机械臂关键点C的雅可比矩阵，表示关节角速度，是障碍物的运动速度，S是由单位矩阵I和投影算子的导数Δ构成的模式切换器矩阵，其定义为： Δ＝[Δ1，Δ2,…,Δp]T，由于投影算子P·具有连续但非处处可导的特性，因此无法直接对带有Pzt的误差et求导，引入右上Dini导数后，求得各行投影算子的导数Δi为： 其中zit＝[pC-pOTpC-pO]i-d，通过该ZNN求解器得到耦合问题的解，进而获得机械臂的关节角位置θ；步骤四、将步骤三的求解结果θ传递给下位机控制器，驱动机械臂完成指定的末端任务。

全文数据：

权利要求：

百度查询： 中山大学 一种实现冗余机械臂路径跟踪与障碍物躲避的方法、系统及机器人

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD