本技术涉及一种结合扰动观测器的机械臂视觉伺服控制与安全避障方法,旨在提升机器人视觉伺服控制的效率与稳定性。通过构建图像视觉伺服的二阶模型和特征物可见性约束,简化机械臂包络并建立机器人安全约束。将视觉伺服模型中的复杂项视为不确定性,并设计扩张状态观测器进行观测。基于安全距离、角速度和角加速度约束,构建CBF约束,并考虑不确定性因素。设计参考控制器、基于预设时间的CLF和优化求解目标函数,实现安全优化问题的求解。该方法能够快速估计不确定性,并将其应用于安全约束,确保机械臂的高效稳定运行。
背景技术
在机器人控制领域,各种基于视觉反馈的视觉伺服机器人层出不穷,无论是在工业、军事、民用还是科学探索中都发挥着重要作用。在一些领域,基于视觉伺服控制方案受到了更多的关注,特别是对控制精度要求较高的一些场景。
相较于其它的反馈方式而言,视觉反馈的获取更加简单,但是在控制方面要更加困难:一方面,相机作为反馈中的一环,它的成像质量受到镜片质量、感光元件质量、感光元件尺寸等因素影响,直接对后续的图像处理、特征提取的结果产生影响;另一方面,实际的实验环境里存在很多的不安全因素,包括但不限于相机视野丢失、机器人末端与障碍物发生碰撞、机器人身体与障碍物发生碰撞等等,因此需要对这些不安全因素进行建模,并采用优化的方法对参考控制量进行优化,以得到满足安全性要求的控制量;受实际实验条件限制,前期建立的数学模型中的元素不一定都能够实时获取甚至是无法获取,所以需要对不确定的项进行估计,并将估计结果应用于控制策略中。
在传统控制算法方面,为了保证基于视觉伺服的机器人运行的安全性,往往采用神经网络、预设性能等方法来满足控制需求,虽然这类控制算法使用简单、方便,但是,上述算法存在着前期准备时间过长、难以进行拓展、无法对控制量进行约束、未能考虑到内部和外部的不确定性等问题。
因此在控制进程中,存在着两个急需解决的问题:一方面是如何对系统建模的不确定性进行有效的估计;另一方面是如何保证在获取不确定性的估计值后将其应用到安全约束里,提升其稳定性和安全性。
因此在控制进程中,一方面是如何对系统建模的不确定性进行有效的估计,使估计结果与真实取值之间的误差快速收敛;另一方面是如何保证在获取不确定性的估计值后将其应用到安全约束里,提升其稳定性和安全性,均是目前多机械臂算法急需迫切解决的问题。
实现思路