[发明专利]基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置

权利要求书

1.基于运动学迭代学习控制的柔性机器人轨迹规划方法，其特征在于，所述方法包括：

确定柔性机器人的模型参数；

对分段联动式的柔性机器人进行建模；

其中，通过对于各段主被动混合驱动分段联动式柔性机器人进行分析，并在柔性机器人的关节上进行起始坐标系的建立；还包括迭代学习控制方法，所述方法为内环被动二次规划控制-实时控制与外环ILC控制-轨迹级控制；根据末端操作空间-关节空间的运动学冗余性，通过优化目标函数，得到操作空间误差运动方程；其中，还包括根据所设计的一系列零空间搜索参数，对关节-操作空间Jacobian矩阵进行搜索，得到被动二次规划的扩展跟踪函数；其中，根据末端操作空间-关节空间的运动学冗余性，跟踪函数可描述为最小化与参考跟踪点角速度的差值，即目标函数为：

其中，

这里，K_p是一个正定的对角矩阵，J_q为末端到关节的雅克比矩阵，为加权雅克比矩阵的逆，关节雅克比加权矩阵为W_q。

2.根据权利要求1所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法，其特征在于，当起始坐标系建立后，得到柔性机器人的正运动学方程：

其中，n为柔性机器人机械臂的段数，p为每段机械臂的小节数量，j为第几个单关节。

3.根据权利要求2所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法，其特征在于，通过坐标系之间的齐次变换阵，得到坐标系之间绳连接点A_i-1、B_i和B_i-1的3-D坐标，随之获得驱动空间与单个关节的关节空间之间的映射关系。

4.根据权利要求3所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法，其特征在于，还包括通过对驱动空间与关节空间之间的映射关系做微分，得到绳长度的变化，随之得到关节角度的变化，最终获得整个柔性机器人的关节空间到末端笛卡尔空间的Jacobian矩阵。

5.根据权利要求4所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法，其特征在于，还包括根据各段中的关节数与名义自由度关系，推出该段的末端速度，则得到整个柔性机器人的Jacobian矩阵，得到柔性机器人末端执行器的广义速度。

6.根据权利要求1所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法，其特征在于，还包括根据关节空间-绳索空间的运动学冗余性，通过优化目标函数，得到绳索空间误差运动方程；其中，根据关节空间绳索空间的运动学冗余性，跟踪函数可描述为最小化与参考跟踪点绳长变化值的差值，即目标函数为：

其中，

这里，K_p是一个正定的对角矩阵，J_L为关节到绳索的雅克比矩阵，为加权雅克比矩阵的逆，绳长雅克比加权矩阵为W_L。

7.根据权利要求1所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法，其特征在于，根据实际获得的所需的绳长度与实际长度误差库，建立轨迹级的目标函数优化模型。