[发明专利]提高在机械臂抓握行为中构建加性成本函数通用性的方法

说明书

本发明公开了一种提高在机械臂抓握行为中构建加性成本函数通用性的方法。本发明首先让臂抓住刚性物体并将其保持在空气中静止，刚性物体被施加各种外部扭矩，载荷；然后，使用ANIO方法确定基本的成本函数类型，并从所有试验记录的实验数据中，确定出4维手指力空间中的二维超平面上的趋势；最后，根据拉格朗日原理，调节成本函数类型参数，使得实验观察的平面接近由直接优化产生的平面，最终为机械臂成功地重建了成本函数。本发明利用ANIO方法可以在任意的五指型机械臂中重构成本函数，实现机械的高效精准抓取和路径最优规划。

技术领域

本发明属于工业自动控制领域，涉及一种提高构建五指型机械臂成本函数的通用性方法。

背景技术

人体手臂抓握物体通常具有良好的可重复性，它们在人与人之间略有不同。这种一致性反映了这样一个事实：人类试图以最“舒适”的方式执行他们的行为，从某种意义上说这种方式在性能上是最优的。

多指机械臂抓握中手指之间的力分布是在并行的电机之间分配输入的一般问题的一个特例，这种问题的一般描述是假设一组肌肉共同连接一组手指关节，那么如何让肌肉的分配最优化。

当机器臂五指握住物体时，保持物体静止不动的任务是高度冗余的：在5指抓握物体中，有30个变量需要控制(每个手指有3个分力和3个力矩分量，一共5个手指)，而空间中的刚性物体只有6个自由度。目前用于机械臂抓取的成本函数大部分采用大范围搜索寻找一个合适的成本函数，即随机选择函数来验证实验数据，如果预测值与实验值一致，则认定成本函数是成功的，否则重新选择。上述方法在机械臂的多指抓取问题中，已成功获取了几种较好的成本函数。能使部分目标函数的预测与实验数据有很好的一致性，但这些目标函数的获取都是基于研究人员的猜测。目前并没有可以直接从实验数据中直接找出成本函数的逆优化方法，并且这种方法盲目性大、损耗资源。

发明内容

本发明目的是针对五指型机械臂抓握物体的路径规划问题，改善构建成本函数的通用性，提出了根据实验数据逆优化来构建成本函数的方法。本发明根据机械臂数据，比如臂长，刚性物体重量和扭矩等，采用逆优化理论中ANIO方法，来构建成本函数。不同于直接优化问题，这个问题通常被称为逆优化问题，在逆优化中，目标函数是未知的，而目标函数达到其最小值的值是给出的。在本发明中，关注具有加性目标函数和线性约束的逆优化问题，通过逆优化方法，可以快速高效地构建五指型机械臂的抓握行为的成本函数，从而实现五指型机械臂抓握物体的路劲最优化。

本发明目的技术方案是通过数据采集、模型建立，构建成本函数、优化参数等手段，确立了一种为五指型机械臂抓握过程的成本函数构建方法，利用该方法可以快速高效地构建成本函数实现五指型机械臂抓握行为的路径最优化。

本发明的方法步骤包括：

步骤一：建立人体抓握模型。

该模型描述如下：

其中是手指力向量是4×1非负值(下标in，mi，ri和li分别代表食指，中间，无名指和小指)，J是成本函数标量值，上标n表示法向力，g_i是相应指力的标量函数，是四指法向力的总和，Y＝[Y_in,Y_mi,Y_ri,Y_li]^T代表法向手指力的力矩臂，Mⁿ是刚性物体被施加的外力矩。约束可写为CF＝B。

步骤二：确定问题是否可分为子问题。

计算步骤一中的C的扩展矩阵，通过观察4x4的矩阵来确定优化问题是否可分离。

步骤三：应用ANIO定理。

构建函数集合满足：