一种物流搬运机器人的抓取感知及控制方法与流程
[0001]本发明属于机器人控制技术领域,具体涉及一种物流搬运机器人的抓取感知及控制方法。背景技术:[0002]随着网购平台运输链的不断完善,用于储存货物的货仓逐步实现自动化搬运分拣,搬运货物机器人的发展突飞猛进。能够抓取货物,移动货物到指定位置的机器人的精准感知和控制,一直是本领域技术人员需要持续研发的技术。[0003]经过系统检索,与本发明相近似的技术为专利申请号201880087094.7的《机器人的运动控制方法、机器人及机器人运动控制系统》以及中国矿业大学2018年由王子昂发表的《坩埚搬运机器人的设计与研究》。上述对比技术公开了一种获取机器人所参考的坐标系,根据该初始参数以及在转换完成后机器人的工具坐标系相对于第二参考坐标系的目标参数,从而控制机器人运动的方法,在adams多体动力学仿真平台上建立机器人模型,采用三阶三角贝兹方程驱动函数对搬运机器人动作的平稳性和安全性进行研究,提升坩埚拾取的准确性以及系统运动过程的平稳性。然而上述方法仍然依靠控制人员对路径规划、目标搜寻、搬运指令等进行干预,自动化水平有限,未涉及到解耦中对密封预紧力和机械手运动的环境阻力的区别,因此精准性仍有待提高。同时,现有技术没有一个完整的感知目标后向前逼近并抓取目标的完成方法,通常将这两个动作通过两种方法执行,缺少彼此的连接,也因此削弱了抓取的精确性。技术实现要素:[0004]本发明的目的在于提供一种操作控制更精细、准确的物流搬运机器人的感知及控制方法。[0005]本发明的目的是这样实现的:[0006]一种物流搬运机器人的感知及控制方法,所述的物流搬运机器人包括运动模块、目标抓取模块、视觉感知模块、模糊逼近控制模块和信息处理模块;所述的运动模块包括水平推进器和垂直推进器;所述的视觉感知模块包括布置在目标抓取模块上的识别摄像机;包括如下步骤:[0007](1)设定识别摄像机识别范围内的期望域,在期望域内选择m个期望点;获取抓取目标对于各期望点的位置状态误差集δ=(δx,δy);其中,δx为抓取目标水平位置的状态误差集,δx=(εx1,εx2,…,εxm);δy为抓取目标垂直位置的状态误差集,δy=(εy1,εy2,…,εym);εxm为抓取目标水平位置的状态误差,εym为抓取目标垂直位置的状态误差;x代表抓取目标水平位置,y代表抓取位置垂直位置;[0008](2)将抓取目标相对于参考点的位置状态误差集δ输入到模糊逼近控制模块中,在逼近控制模块中植入mx个水平运动的模糊规则和my个垂直运动的模糊规则;将抓取目标水平位置的状态误差集δx输入到所有水平运动模糊规则中,获取各水平运动模糊规则的输出结果结果计算所有水平运动模糊规则输出结果的标准差σx;将抓取目标垂直位置的状态误差集δy输入到所有垂直运动模糊规则中,获取各垂直运动模糊规则的输出结果输入到所有垂直运动模糊规则中,获取各垂直运动模糊规则的输出结果并计算所有垂直运动模糊规则输出结果的标准差σy;[0009](3)计算所有水平运动模糊规则的激活强度的上界和下界和下界为水平运动模糊规则的激活强度,构建水平运动模糊规则集合计算所有垂直运动模糊规则的激活强度的上界和下界和下界为垂直运动模糊规则的激活强度,构建垂直运动模糊规则集合[0010](3.1)计算抓取目标水平位置的状态误差集δx中抓取目标水平位置的状态误差εxi对应每一个水平运动模糊规则的高斯主隶属度函数的上界和下界f(εxi,α,σx);[0011][0012][0013]其中,α1和α2为系统设置的常数集合,α1<α2;;[0014](3.2)计算抓取目标垂直位置的状态误差集δy中抓取目标垂直位置的状态误差εyi对应每一个垂直运动模糊规则的高斯主隶属度函数的上界和下界f(εyi,α,σy);[0015][0016][0017](3.3)计算所有水平运动模糊规则的激活强度的上界和下界构建水平运动模糊规则集合[0018][0019][0020](3.4)计算所有垂直运动模糊规则的激活强度的上界和下界构建垂直运动模糊规则集合[0021][0022][0023](4)通过水平运动模糊规则集合和垂直运动模糊规则集合确定水平推进器的控制电压ux和垂直推进器的控制电压uy;[0024][0025][0026][0027][0028][0029][0030]其中,lcx和rcx分别为水平运动模糊集合高斯主隶属度函数的左右交叉点;lcy和rcy分别为垂直运动模糊集合高斯主隶属度函数的左右交叉点;[0031](5)水平推进器的控制电压ux和垂直推进器的控制电压uy传输到运动模块中,确认目标始终保持在视野的安全区域内并逐步靠近;抓取目标后判断搬运机器人是否完成对目标的抓取;若未完成抓取,则重新执行步骤(1);若完成抓取,本流程结束,继续执行后续流程。[0032]所述抓取目标的步骤包括:[0033](5.1)目标抓取模块在执行对作业目标的无损抓取时,信息处理模块获取目标抓取模块因形变产生的电信号,根据目标抓取模块受到的力向量与输出的电压关系,获取竖直方向的抓取力矩mzs;[0034](5.2)计算抓取过程中作用机械手的阻力矩mzn;[0035][0036]其中,ρ为空气密度;nz为机械手的手指数;czn为阻力系数;rnj为机械手指的第nj个指节等效柱体的半径;l1为第nz个机械手指的第nj个指节的等效柱体的长度;[0037](5.3)计算传动系统与机械手指轴套的摩擦力矩;[0038][0039]其中,fcd为传动系统的主动张力;μk为传动系统的摩擦系数;rz为轴套半径;[0040](5.4)计算目标的抓取力矩,完成对目标抓取模块的控制力感知;[0041]g控制=mzs+nz(mzn+mmc)。[0042]目标抓取模块受到的力向量与输出的电压关系为:[0043][0044]其中,解耦矩阵c通过对目标抓取模块施加标准力载荷进行标定试验获取;fx为作用力向量f沿x轴的分力;fy为作用力向量f沿y轴的分力;fz为作用力向量f沿z轴的分力;mx为作用力向量f绕x轴的力矩;my为作用力向量f绕y轴的力矩;mz为作用力向量f绕z轴的力矩;为目标抓取模块生成fx的输出电压;为目标抓取模块生成fy的输出电压;为目标抓取模块生成fz的输出电压;为目标抓取模块生成的输出电压;为目标抓取模块生成的输出电压;为目标抓取模块生成的输出电压。[0045]本发明的有益效果在于:[0046]本发明提供了一个完整的、在复杂环境中完成对目标检测识别并引导机器人作业并实现准确抓取指定目标的感知及控制方法。作业时,物流搬运机器人首先通过视觉与强化学习算法识别和跟踪作业目标,继而通过自身的位姿反馈调节和机器人的平台运动的智能控制系统推导和优化模糊规则,指导完成逼近及抓取作业,完成对抓取力的精确感知和对作业目标的无损可靠抓取。本发明基于人工智能研究方面的先进成果,能够实现对目标的连续稳定跟踪和自主精确抓取,具有识别准确、智能程度高、抓取效率高、作业成本低等优点,进而为抓取力感知与控制的进一步优化设计提供参考,对于物流机器人的升级具有重要意义。附图说明[0047]图1是本发明流程图;[0048]图2是抓取目标的流程图;[0049]图3是目标抓取模块加载标定流程。具体实施方式[0050]下面结合附图对本发明作进一步描述。[0051]本发明的一种物流搬运机器人的抓取感知及控制方法主要用于在复杂环境中完成对抓取力的精确感知和对作业目标的无损可靠抓取。传感器与目标抓取模块通过感知形变,使力信号经过电路系统转化为电信号经处理后传输至上位机,以基于最小二乘原理的数据解耦算法进行处理,补偿环境阻力与摩擦后得到最终的实际抓取力大小。此外,本发明能够在针对外载荷作用下的输出进行定性定量分析并将感知数据发送至上位机相应单元,进而为抓取力感知与控制的进一步优化设计提供参考。[0052]实施例1:[0053]一种物流搬运机器人的感知及控制方法,所述的物流搬运机器人包括运动模块、目标抓取模块、视觉感知模块、模糊逼近控制模块和信息处理模块;所述的运动模块包括水平推进器和垂直推进器;所述的视觉感知模块包括布置在目标抓取模块上的识别摄像机;包括如下步骤:[0054](1)设定识别摄像机识别范围内的期望域,在期望域内选择m个期望点;获取抓取目标对于各期望点的位置状态误差集δ=(δx,δy);其中,δx为抓取目标水平位置的状态误差集,δx=(εx1,εx2,…,εxm);δy为抓取目标垂直位置的状态误差集,δy=(εy1,εy2,…,εym);εxm为抓取目标水平位置的状态误差,εym为抓取目标垂直位置的状态误差;x代表抓取目标水平位置,y代表抓取位置垂直位置;[0055](2)将抓取目标相对于参考点的位置状态误差集δ输入到模糊逼近控制模块中,在逼近控制模块中植入mx个水平运动的模糊规则和my个垂直运动的模糊规则;将抓取目标水平位置的状态误差集δx输入到所有水平运动模糊规则中,获取各水平运动模糊规则的输出结果结果计算所有水平运动模糊规则输出结果的标准差σx;将抓取目标垂直位置的状态误差集δy输入到所有垂直运动模糊规则中,获取各垂直运动模糊规则的输出结果果并计算所有垂直运动模糊规则输出结果的标准差σy;[0056](3)计算所有水平运动模糊规则的激活强度的上界和下界和下界为水平运动模糊规则的激活强度,构建水平运动模糊规则集合计算所有垂直运动模糊规则的激活强度的上界和下界和下界为垂直运动模糊规则的激活强度,构建垂直运动模糊规则集合[0057](3.1)计算抓取目标水平位置的状态误差集δx中抓取目标水平位置的状态误差εxi对应每一个水平运动模糊规则的高斯主隶属度函数的上界和下界f(εxi,α,σx);[0058][0059][0060]其中,α1和α2为系统设置的常数集合,α1<α2;;[0061](3.2)计算抓取目标垂直位置的状态误差集δy中抓取目标垂直位置的状态误差εyi对应每一个垂直运动模糊规则的高斯主隶属度函数的上界和下界f(εyi,α,σy);[0062][0063][0064](3.3)计算所有水平运动模糊规则的激活强度的上界和下界构建水平运动模糊规则集合[0065][0066][0067](3.4)计算所有垂直运动模糊规则的激活强度的上界和下界构建垂直运动模糊规则集合[0068][0069][0070](4)通过水平运动模糊规则集合和垂直运动模糊规则集合确定水平推进器的控制电压ux和垂直推进器的控制电压uy;[0071][0072][0073][0074][0075][0076][0077]其中,lcx和rcx分别为水平运动模糊集合高斯主隶属度函数的左右交叉点;lcy和rcy分别为垂直运动模糊集合高斯主隶属度函数的左右交叉点;[0078](5)水平推进器的控制电压ux和垂直推进器的控制电压uy传输到运动模块中,确认目标始终保持在视野的安全区域内并逐步靠近;抓取目标后判断搬运机器人是否完成对目标的抓取;若未完成抓取,则重新执行步骤(1);若完成抓取,本流程结束,继续执行后续流程。[0079]所述抓取目标的步骤包括:[0080](5.1)目标抓取模块在执行对作业目标的无损抓取时,信息处理模块获取目标抓取模块因形变产生的电信号,根据目标抓取模块受到的力向量与输出的电压关系,获取竖直方向的抓取力矩mzs;[0081](5.2)计算抓取过程中作用机械手的阻力矩mzn;[0082][0083]其中,ρ为空气密度;nz为机械手的手指数;czn为阻力系数;rnj为机械手指的第nj个指节等效柱体的半径;l1为第nz个机械手指的第nj个指节的等效柱体的长度;[0084](5.3)计算传动系统与机械手指轴套的摩擦力矩;[0085][0086]其中,fcd为传动系统的主动张力;μk为传动系统的摩擦系数;rz为轴套半径;[0087](5.4)计算目标的抓取力矩,完成对目标抓取模块的控制力感知;[0088]g控制=mzs+nz(mzn+mmc)。[0089]目标抓取模块受到的力向量f与输出的电压关系为:[0090][0091]其中,解耦矩阵c通过对目标抓取模块施加标准力载荷进行标定试验获取;fx为作用力向量f沿x轴的分力;fy为作用力向量f沿y轴的分力;fz为作用力向量f沿z轴的分力;mx为作用力向量f绕x轴的力矩;my为作用力向量f绕y轴的力矩;mz为作用力向量f绕z轴的力矩;为目标抓取模块生成fx的输出电压;为目标抓取模块生成fy的输出电压;为目标抓取模块生成fz的输出电压;为目标抓取模块生成的输出电压;为目标抓取模块生成的输出电压;为目标抓取模块生成的输出电压。[0092]所述的模糊规则描述如下:[0093](2.1)初始化:随机生成执行动作与输入状态对应的模糊规则;[0094](2.2)确定适应度函数:试验每个模糊规则,适应度函数对于决定控制器的最佳动作非常重要。为了快速实现接近目标和抓取目标,设计的适应性函数使机器人在偏差较大时控制动作宽松,在偏差较小时严格控制动作。适应性函数设计如下:[0095][0096]式中,ke和ku为可调参数;kp为比例系数;kd为微分系数;ei和ai为某个方向的误差和模糊规则的相应行为;[0097](2.3)粒子记忆和选择:每个规则通过记忆自身的适应度值并选择最大的值作为评估值。[0098]基于上述方法,每个粒子被进一步修改。重复执行以上步骤直到明显改善为止。具有最佳适应性的粒子是全局最佳粒子,因此,获得了最佳的模糊规则适应度值,以应对作业过程中的环境干扰和负载变化。[0099]与现有技术相比,本发明的区别技术特征有以下两点:[0100](1)本发明通过构建模糊规则集合输出推进器的控制电压,使机器人能够根据精准趋近于抓取目标,以此来配合机械手的抓取动作,由于行程过程中是根据抓取动作的需要控制与抓取目标的距离,因此导致机械手能够更精准的完成无损抓取。[0101](2)抓取目标的步骤加入了阻力矩和摩擦力矩的要素,同时考虑的手指和指节的数量与尺寸,使机械手输出的力向量更加准确,能够更精确输出力向量达到无损抓取的效果。[0102]上述技术特征都是现有技术没有公开过的,且如果脱离了本发明的技术启示,没有对别文件能够提示技术人员开发出本技术,因此上述两个技术特征具有突出的实质性特点和显著的技术进步,体现了本发明的新颖性和创造性。[0103]物流搬运机器人利用基于强化学习模糊逼近控制器实现将待抓取目标的视觉特征保留在图像内,同时还可以使机械手逼近抓取目标,该控制器的优点是可以通过动作选择策略自主的提高控制性能。在摄像机区域内定义一组目标位置状态误差集δ,模糊控制器输入为清晰的准确值,输入状态层输入为机器人位置与期望到达区域之间的偏差量。模糊化操作使输入的精确值模糊化为模糊集合,该层中对应输入的每个节点都定义一个高斯隶属度函数,ⅱ模糊系统的规则采用“if-then”形式,推理机根据上述规则进行推理以决定下一步将采取的行为。模糊推理通过连乘进行模糊运算得到激活强度,而去模糊器将模糊输出解模糊转换为清晰的集。本方法中物流搬运机器人控制系统的核心是pc104核心模块,pc104模块通过隔离串口板采集多普勒测速仪和磁罗经的数据,并进行位置推算,获得物流搬运机器人当前位置;pc104模块根据协调运动控制器的结果,通过直流伺服电机控制板向电机驱动器发送控制指令,控制吸取机器人运动实现抓取目标作业过程中载体平台的稳定精确运动。[0104]目标抓取力的感知由弹性敏感单元和感知电路实现。通过多维力信息的采集,弹性敏感单元将接触力转变成位移变化,感知电路负责将位移量转化成电信号输出。根据数据采集电路的电压采集范围设置适当的放大倍数,通过仪表放大芯ad620对传感器小信号进行变送调理至stm32进行处理并经由通用串行接口总线将数据发送到上位机,进而解耦计算得到各方向的抓取力。[0105]目标抓取模块加载标定流程如下:[0106](1)电源为目标抓取模块通电,记录目标抓取模块空载时各输出通道读数大小;[0107](2)在目标抓取模块量程范围内划分出若干等间距加载点;[0108](3)按照加载量从小到大,逐渐增加输入的标准力大小,并在上位机软件保存记录每组输入输出;[0109](4)达到传感器最大测量范围后将输入逐渐减少,同时记录与输入力的标准力对应的输出电压;[0110](5)重复步骤(3)、(4)多次按照正反行程对传感器进行往复标定测量列出相应表格,对相同输入下的测量结果取平均,绘制输入输出曲线。[0111]由于上述机器人的结构和算法中一些概念和构造为常规构造,因此在这里不再赘述机器人的通用连接结构和常用信号处理流程。这些技术在目前已经公开的技术文件中均有记载。以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。