[发明专利]一种主从异构型遥操作系统的主从控制方法及系统

权利要求书

1.一种主从异构型遥操作系统的主从控制方法，其特征在于，该方法应用于主从异构型遥操作系统，所述系统包括机械结构相异的主端机器人和从端机器人，以及连接主端机器人和从端机器人的主从控制系统；所述主从控制方法包括步骤如下：

(1)从端机器人运动学建模；根据从端机器人的连杆参数，进行正运动学和逆运动学分析，得到正运动学和逆运动学模型；

(2)主从位置控制；获取主端机器人的位置增量，经过变比例增量式主从映射方法计算得到从端机器人的期望位置；并将从端机器人的末端移动速度、跟随误差和位置增量输入到BP神经网络输出预测跟随误差，将预测误差补偿到期望位置；再将补偿后的期望位置输入到从端机器人逆运动学模型求解期望关节角度，最后通过PD模型实现关节角控制；

(3)主从调整；在主从位置控制过程中，实时检测主从位置控制功能开启和停止，功能开启则返回步骤(2)；当需要主从调整时，需要首先暂停主从位置控制功能，从端机器人停止运动，主从调整包括修改主从映射比例系数和/或调整主端机器人的位置；所述修改主从映射比例系数具体为操作人员通过修改主从映射比例系数实现从端机器人不同效率和精度的运动。

2.根据权利要求1所述的主从控制方法，其特征在于，步骤(2)具体包括：

获取主端机器人当前时刻t的末端位置P^m(t)，与上一时刻(t-1)的末端位置P^m(t-1)得到当前时刻t的末端位置增量ΔP^m(t)：

ΔP^m(t)＝P^m(t)-P^m(t-1)

将主端机器人在时刻(t-1)到t的ΔP^m(t)经过变比例增量式映射为从端机器人在时刻t到(t+1)的位置增量ΔP^s(t+1)＝KΔP^m(t)，其中K为3×3主从映射对角系数矩阵；然后将ΔP^s(t+1)叠加到从端机器人当前时刻的期望位置以得到下一时刻的期望位置

将从端机器人当前时刻的关节角度输入到正运动学模型求解从端机器人末端位置：

P^s(t)＝FK(θ^s(t))

其中P^s(t)和θ^s(t)分别表示从端机器人当前时刻的末端位置和关节角度，FK(·)表示从端机器人正运动学求解函数；由P^s(t)与得到从端机器人在采样时间内的主从跟随误差e(t)：

将此误差以及BP神经网络预测的跟随误差补偿从端机器人期望位置，则计算公式可以修正为：

其中e_pred为BP神经网络预测的跟随误差，将输入到从端机器人逆运动学模型求解得到期望关节角度：

其中表示从端机器人的期望关节角度，IK(·)表示从端机器人的逆运动学求解函数；最后通过PD模型实现从端机器人关节角的控制。

3.根据权利要求2所述的主从控制方法，其特征在于，BP神经网络预测跟随误差具体包括：

建立三层BP神经网络模型，包括输入层，一层隐藏层和输出层；BP神经网络的输入为当前时刻从端机器人末端沿X、Y和Z轴的运动速度、跟随误差和位置增量，因此输入层具有9个神经元；网络的预测输出为下一时刻的主从跟随误差，因此输出层具有3个神经元；隐藏层的神经元个数为20；神经元激活函数为ReLu函数，优化函数采用Adam，超参数均为sklearn函数库的默认参数；

在无BP神经网络的误差预测和补偿情况下，操作人员以不同主从映射比例系数和速度操控主端机器人运动，通过变比例增量式主从映射方法控制从端机器人运动，获取训练数据，将训练数据输入到BP神经网络进行训练拟合回归函数；

在遥操作过程中，将当前时刻从端机器人末端沿X、Y和Z轴的运动速度、跟随误差和位置增量输入到训练完成的BP神经网络预测下一时刻的跟随误差e_pred并补偿到期望位置中。

4.一种主从异构型遥操作系统的主从控制系统，其特征在于，包括从端机器人运动学建模模块、主从映射比例系数修改模块、主从调整模块和主从位置控制模块；

所述从端机器机器人运动学建模模块是根据从端机器人连杆参数，进行正运动学和逆运动学分析，得到正运动学和逆运动学模型，能够根据从端机器人关节角度计算其末端位置，或根据末端位置计算关节角度；

所述主从映射比例系数修改模块是操作人员根据反馈的从端机器人运动状态修改主从映射系数，在自由空间中调大比例系数，实现更大范围快速运动；在靠近障碍物或者进行作业时，调小比例系数，实现更小范围精细运动，保证末端定位精度；

所述主从调整模块用于停止主从位置控制功能后，调整主端机器人位置和/或通过主从映射比例系数修改模块修改主从运动映射比例系数，然后重启主从位置控制功能，继续遥操作从端机器人运动；

所述主从位置控制模块首先使用变比例增量式主从映射方法将主端机器人位置增量映射为从端机器人位置增量，进而计算从端机器人期望位置；然后使用BP神经网络预测跟随误差并补偿到期望位置，再通过从端机器机器人运动学建模模块得到期望关节角度，最后使用PD模型实现关节角控制。