[发明专利]基于传感器融合技术的机器人防碰撞冲击双臂协调控制系统

权利要求书

1.一种基于传感器融合技术的机器人防碰撞冲击双臂协调控制系统，其特征在于，包括双目相机、超声波传感器、传感器信息融合模块、路径规划模块、运动控制器、第一和第二六自由度机械臂，其中：

所述双目相机为两个且分别安装于所述第一和第二六自由度机械臂的末端，所述超声波传感器也为两个且分别安装于所述第一和第二六自由度机械臂的末端，所述双目相机和超声波传感器的输出端连接所述传感器信息融合模块的输入端；

所述传感器信息融合模块的输出端连接所述路径规划模块的输入端；

所述路径规划模块的输出端连接所述运动控制器的输入端；

所述运动控制器的输出端连接所述第一和第二六自由度机械臂；

所述双目相机和超声波传感器用于检测操作环境中的障碍物信息，将获得的障碍物信息经所述传感器信息融合模块融合处理后，得到的较为精确的障碍物位置信息并传给所述路径规划模块进行防碰撞冲击的路径规划，之后所述路径规划模块将规划的路径信息发给所述运动控制器，由所述运动控制器控制所述第一和第二六自由度机械臂的运动。

2.根据权利要求1所述的基于传感器融合技术的机器人防碰撞冲击双臂协调控制系统，其特征在于，所述双目相机进一步用于对障碍物进行标定，并在不同的角度对障碍物上的特征点采集二维图像；

所述超声波传感器进一步用于实时探测周围环境，通过不断检测超声波发射后遇到障碍物所反射的回波，测出从发射到接收回波的时间T，计算出相对距离S＝CT/2，式中C为超声波波速。

3.根据权利要求2所述的基于传感器融合技术的机器人防碰撞冲击双臂协调控制系统，其特征在于，所述传感器信息融合模块进一步用于对双目相机捕获的特征点进行融合计算，获取特征点的轨迹及特征点所在平面的空间姿态参数，经过相应的算法处理之后得到特征点在世界坐标系中的坐标P(X_w,Y_w,Z_w)，然后通过神经网络算法融合特征点的三维坐标P(X_w,Y_w,Z_w)和超声波传感器所捕获的距离信息R，得到障碍物比较精确的三维坐标P(X,Y,Z)。

4.根据权利要求3所述的基于传感器融合技术的机器人防碰撞冲击双臂协调控制系统，其特征在于，所述路径规划模块进一步用于根据所述传感器信息融合模块所获得的障碍物位置信息，校正机械臂的逆解，为机器人设计一条无障的运动轨迹，同时要求避开障碍物之后能回到原来的路径继续完成相应的操作。

5.根据权利要求3所述的基于传感器融合技术的机器人防碰撞冲击双臂协调控制系统，其特征在于，所述神经网络算法采用三层BP神经网络，输入层为P_in＝[X_W,Y_W,Z_W,R]，分别为立体视觉融合后所得的物体三维空间坐标(X_w,Y_w,Z_w)和超声波传感器所获得的距离信息R，隐含层共有9个结点，输出层T＝[X,Y,Z]为融合处理后得到的物体的三维空间坐标P(X,Y,Z)，在学习过程中采用动量算法和自适应调整学习速率算法抑制学习过程中的振荡，提高收敛速度，提高神经网络的学习效率。

6.根据权利要求5所述的基于传感器融合技术的机器人防碰撞冲击双臂协调控制系统，其特征在于，所述动量算法和自适应调整学习速率算法的公式如下所示：

ω_ij(k+1)＝ω_ij(k)+Δω_ij+α(ω_ij(k)-ω_ij(k-1))

ω_j2(k+1)＝ω_j2(k)+Δω_j2+α(ω_j2(k)-ω_j2(k-1))(1)

η(k+1)=0.7η(k)E(k+1)>E(k)1.05η(k)E(k+1)<E(k)---(2)]]>

式(1)为动量算法，其中ω_ij,ω_j2为连接权系数，α为动量因子α∈(0,1)；

式(2)为自适应调整学习速率算法，其中η为自学习速率，E(k)为误差平方和。