外文翻译--机械臂动力学与控制的研究

附录B (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (12) (13) (14) (15) (16) (17)C.Comopetitive Dynamics (18) (19) (20) (21) (22) (23) (24)The size of the change in direction of the tool is then calculated as (25) (26) (27) (28)WithSumming up over all obstacles the total contribution becomes (29) (30) (31) (32) (33)2009年IEEE国际机器人和自动化会议神户国际会议中心日本神户12-17，2009机械臂动力学与控制的研究拉斯彼得Ellekilde 摘要 操作器和移动平台的组合提供了一种可用于广泛应用程序高效灵活的操作系统，特别是在服务性机器人领域。在机械臂众多挑战中其中之一是确保机器人在潜在的动态环境中安全工作控制系统的设计。在本文中,我们将介绍移动机械臂用动力学系统方法被控制的使用方法。该方法是一种二级方法，是使用竞争动力学对于统筹协调优化移动平台以及较低层次的融合避障和目标捕获行为的方法。I介绍在过去的几十年里大多数机器人的研究主要关注在移动平台或操作系统，并且在这两个领域取得了许多可喜的成绩。今天的新挑战之一是将这两个领域组合在一起形成具有高效移动和有能力操作环境的系统。特别是服务性机器人将会在这一方面系统需求的增加。大多数西方国家的人口统计数量显示需要照顾的老人在不断增加,尽管将有很少的工作实际的支持他们。这就需要增强服务业的自动化程度，因此机器人能够在室内动态环境中安全的工作是最基本的。图.1 一台由赛格威RMP200和轻重量型库卡机器人组成的平台这项工作平台用于如图1所示，是由一个Segway与一家机器人制造商制造的RMP200轻机器人。其有一个相对较小的轨迹和高机动性能的平台使它适应在室内环境移动。库卡工业机器人具有较长的长臂和高有效载荷比自身的重量,从而使其适合移动操作。当控制移动机械臂系统时，有一个选择是是否考虑一个或两个系统的实体。在参考文献1和2中是根据雅可比理论将机械手末端和移动平台结合在一起形成一个单一的控制系统。另一方面，这项研究发表在3和4,认为它们在设计时是独立的实体，但不包括两者之间的限制条件,如延伸能力和稳定性。这种控制系统的提出是基于动态系统方法5, 6。它分为两个层次，其中我们在较低的水平，并考虑到移动平台作为两个独立的实体，然后再以安全的方式结合在上层操纵者。在本文中主要的研究目的是展现动力系统方法可以应用于移动机械臂和使用各级协调行为的控制。本文剩下的安排如下。第二部分介绍系统的总体结构设计,其次是机械手末端移动平台的控制在第三第四部分讲述。在第五部分我们在结束本文之前将显示一作实验。然而, 首先与动力学系统有关工作总结与方法将在在部分I-A提供。A.相关工作动力学系统接近5，6为控制机器人提供一套动作的框架，例如障碍退避和目标捕捉。每个动作通过一套一个非线性动力学系统的attractors和repellors来完成。这些通过向量场的简单的加法被结合在一起来完成系统的整体动作。动力系统的方法涉及到更广泛的应用势场法7,但具有一定的优势。这里势场法的行为是由后场梯度形成的结果，行为变量，如航向和速度，可直接运用动力系统控制的方法。成本相对较低的计算与方法有关，使得它在动态环境中在线控制适宜，允许它即使在相当低的水平有限的计算能力平台8实施。传感器的鲁棒性在人声嘈杂中显示9和10其中一个是由红外传感器和麦克风的结合，当避障和目标获取时使用。尽管能解决各种各样的任务，但它仅是一个局部的方法，为了其他的任务和使命级计划(即参见11)其他的方法应该被釆用。当多行为被结合时，在5和6的缺点是由潜在的假的因子引起的。为了克服这个问题12介绍了一种基于竞争动态的行为比重。每个行为的影响是控制使用一个相关的竞争优势，再加上定义的行为之间有竞争力的相互作用，控制重物。如果所有的行为之间的竞争性相互作用是必需的，这种方法可以推广到任意数n,行为，除了这样一个最坏情况的复杂度在现实世界中使用这种方法的竞争态势室内实验中可以找到13，14。13是只在有标题方向的车辆上使用，而在14中航向和速度均得到控制。15提供了一个为速度性能简短的策略讨论。在16中提到动力系统的方法不仅被用于平面移动机器人，同时也可以作为控制机械手工具。另外运用产生极限环Hopf振荡器动力系统的更复杂的动力系统也可被使用。 17展现出不同形状的极限环是如何产生的，其可运用于避障轨迹的生成。18中介绍到使用Hopf振荡器产生一个定时的轨迹,实现了机械手可以接住从桌子上面滚下来的球。 动力系统的方法不仅可以用于控制的工具，也可以控制7自由度机械手多余的动作这一 点在19 中得到论证。II.总体结构我们整个系统的整体架构如图2所示。在赛格威平台中为了控制移动平台，两个低级别的性能被使用：一个用于目标捕获和另一个是避障。运用竞争动态的动作被混合在一起是为了做出移动平台希望得到的指定的移动动作。同样，在竞争态势的基础上目标捕获和机械手避障行为的融合给机器人收缩下达指令。当目标不在范围内，应收回机械手到一个安全的位置，这是机械手缩回行为的目的。最后融合是以一个安全的方式把所有的控制结合在一起，这样一来目标捕获和收回行为不互相干扰，另外移动平台在不开始朝着新的目标之前，移动机械手巳被收回。用、和分别代表机械手移动、机械手捕获和机械手收缩行为的影响，控制信号和通过(1)(2)移动平台和机械手。 (1) (2)其中( )是指控制输入信号以控制在第三节中描述的平台的左，右侧车轮;和是在第四节描述的机械手关节速度。障碍 动作运动结合 结合目标 设备 赛格威障碍操作结合结合目标库卡机器人操作收回图.2.控制系统的体系结构A. 竞争动态这种竞争态势釆用的方法是以12为基础的，除了附加参数用于控制在14中的转换率。动力系统釆用(3)因此给予: (3)其中是b和r竞争优势产生的参数，b是和b相互竞争作用的参数。1) 移动：在移动平台远离目标时它的竞争优势应该被加强；标被捕获时移动平台的竞争优势应该被降低。这是通过(4)实现的。 (4)其中,决定如何迅速的改变这种优势，是指到目标的距离和是指移动平台移动目标所需的最小距离。移动的行为，没有能力进行互动，并抑制其他行为，因此它的竞争性相互作用被设置为0。2) 机械手捕获目标：A移动平台接近他的目标时，机械手捕获目标的动作应该别加强。这样的竞争优势将被定义为： (5)激活距离必须大于来确保其行为被激活。此动作没有和其他的动作有直接联系，因此它的相互作用参数设置为0。3) 机械手收缩：收回动作应该被激活当对面目标被捕获之后，因此 (6)要有一个非常小的过渡时间，这可以防止在同一时间活动的机械臂捕获和收缩动作,因此，我们可以设置由于机械手收缩和移动动作的联系，当机械手原理自动巡航装置时我们希望能够取消停止移动。因此这种相互作用定义为： (7)其中和，是机械手当前和原始配置参数，是指目标最近的距离和指定如何使相互作用迅速变化的参数。III.移动平台的控制该移动平台的控制，结构与参考文献14中表述的非常相似，但也有一些不同。刚开始时目标捕获和避障指令被使用。紧接着除走廊和墙壁避障不包括在内，伹将沿直线扩展。第二个领域，不同的是这项工作的障碍是如何找出障碍密度的计算方法。具体的论述在III-D部分。为了使控制系统能够根据具体的环境进行导航。我们所使用的方法是基于参考文献20中论述的方法，它运用里程计和激光测距相结合对所在环境中地图的主导线匹配测量。该平台控制编码的使用方向：；速度：V，它在一个控制输入系统的结果数的值是由两部分组成，和，这里合并为 (8)其中和是被Eq限制的。(3)中的竞争优势和相互作用在III-C中有详细的描述。作为控制输入我们需要一个表达式对移动平台的左右轮进行控制，这里用和分别作为左，右侧车轮的表达参数。要使获得这些数据集成得到v，连同所需的旋转速度时，车轮直径和车轮之间的距离可以用数据库来计算控制输入： (9) (10)这里车轮需要的速度差被定义为: (12)A. 动态目标：捕获目标动作的基本动力是: (13) (14)其中和是吸引子的优势参数和表示运动到目标的方向。常数表达出机械手到目标之间的距离和所需的速度关系。最后最大速度是指移动平台所允许的最大速度。B. 障碍动态假定一个距离，方句参数表示机械手到第i个障碍的方向，在避障的动力学中用公式（15) (16)表不如下： (15) (16)其中动态参数包括三个要素：(一)障碍物的相对方向，(二)例系数,其中根据距离决定衰减的程度。(三)另一个比例系数根据到障碍的方向而定的，并运用保两障碍间的attractor产生，如果机器人可以在确保安全距离DS下通过。我们可以在参考文献14中看到具体的描述。对于是表示调整速度转向,但确保最小速度是被保留的。运用公式(17)获取我们总结所有障碍的值： (17)C. 竞争动态在竞争态势的运算如上面所述公式(3)控制的。下面是最大的竞争优势和两种动作的相互作用。1) 目标：每当一个目标是存在的，竞争优势的参数就被设置为，否则设置为。目标动作有能力影响和抑制避障动作，目标之间的距离和最近的目标之间的比例足以确保向目标移动的动作是无碰撞运动。这时建模为： (18)其中到最近障碍物的距离，是一个如何快速是动作相互影响的增益常数，我们将开始抑制避障时表示障碍和目标之间的距离比。2) 障碍：该障碍动作的竞争优势有公式（19)控制： (19)其中是障碍密度在第三节-D被定义。这种相互作用被定义为 (20)第一部分抑制目标动作当障碍浓度超过临界值时，最后一部分可以确保这只是发生在由于的原因避障没有被抑制。D障碍密度的计算假设一系列的距离，移动平台和障碍的密度，计算公式为 (21)此处的定义不同于14中的。公式化的主要问题是，我们不能区分物体的相对多远和一个对象相对多近。例如2米外有5个对象的密度定义成相同的密度与40厘米的距离之外的一个对象。根据指数函数的性质在场景中的单个对象永远不能导致超1。用于切换到避障动作的临界值将因此必须小于1，但一个场景中有多样的障碍往往临界值设置的更低。此外，发现用代替参数调整更容易，因为我们可以考虑其作为距离的反比密度。这也造成了当越来越接近一个障碍时密度増长非常迅速，从而可以迅速迫使动作改变。IV.机械手的控制我们将这个问题分成两部分：1)确定机械手的运动，从当前位置到目标，同时避免障碍。2)计算所需刀具的逆运动的速度。第二部分是一个很好的理解问题，这项工作可以运用在参考文献23中描述的逆运动学方法解决。这种方法包括机器人运动学和动力学的局限性，如关节的位置，速度和加速度的限制。此外，在此方法的基础上，进行二次优化获得方法已被证明表现很突出。该机械手的运动受机器人控制的目标和障碍动作限制，为此和，是相关的。由于逆运动学的输入需要一个六维旋转速度，因此这些动作必须设置一个变数，它可以集成所需的速度 (22)其中，和是从目标和避障中得到的。A. 目标动作到目标行为的输入是当前和所需的工具转换和。从这些我们可以计算出所需的六维速度螺杆。为避免要求不切实际的快速运动它的范围是和，和代表最大允许的机床直线和旋转速度。计算 (23)我们得到了当前速度预期的变化。B. 障碍动作作为输入避障动作的参数，釆用当前笛卡尔速度，釆用最近的障碍为轨道，给出机械手和障碍物之间方向和距离。我们现在要根据到障碍物的方向和距离计算笛卡尔速度的变化，并分别用和表示。1) 施力方叫：根据当前机械手的速度V，我们计算向量相互两者之间的角度为 (24)在机械手尺寸方向变化的大小，用(25)计算 (25)其中是repellor的数值，根据距离控制衰减，控制相对障碍之间的角度。被用于计算预期的机械手方向的改变： (26)根据所有障碍物的作用，我们可以根据障碍物的方向计算机械手运动的改变： (27)2) 动力学速度：对速度的动态控制相似于Eq。障碍i的作是: (28)其中。集合所有障碍的作用变成： (29)C. 竞争动态1) 目标动作：对于移动平台当目标存在目标动作的竞争优势值设置为0.5，否则设置为-0.5。当到目标的距离和最近障碍物的距离之间的比例系数超过，目标与障碍物之间的相互作用需要被重新设置，避障作用受到限制，这是有公式(30)实现： (30)其中是机床和目标的距离；是一个如何迅速改变值的增益系数。2) 障碍：该障碍动作的竞争优势和在第三节-C表述的相同: (31)用Eq (21)进行密度计算，但用障碍和机械手之间的距离代替障碍和移动平台的距离。这种相互之间的作用用公式确定： (32)其中到机械手最接近目标时，有助于撤销臂章动作。D. 收缩收缩动作是在关节处直接运作的。通过定义，其中是指机械手原始的收缩数据配置，我们可能计算关节速度为: (33)其中是关节最大的速度，为attractor的作用参数。V.实验本实验的目的主要是展示了移动平台和机械手的协调。以前的工作已经展示了动力系统方面的方针与导航的能力通过一个环境中移动机器人13 14和指导一个机器人绕过障碍16。(a)移向目标(t=0s) (b)图像伺服(t=28s)(c)移动到目标位置(t=40s) (d)完成动作(t=72s)图.3移动机器人实验。假定环境和目标重物的角度是不变的。在实验中使用的平台如图1所示，是由一个赛格威RMP200和轻重量型库卡机器人与崇德PG70平行爪装备组成。该平台具有一个SICK LMS291定位和避障装Unibrain Fire-iFireWire摄像头的激光扫描仪，用于机械手瞄准并抓起目标。不幸的是我们没有足够的时间来连接夹持器和控制目标。因此，它仅仅是定位和准备抓。但实际上从未关闭的抓手。由于控制框架我们使用了Microsoft Robotics Sludiol.5,这提供了一个从传感器的各种输入，到驱动器输出，并确保不同的控制算法同时运作的方法。该赛格威运动和大多数机械手运动是基于特定的笛卡尔坐标定位目标的。但是，一旦目标在toolmourUed相机视线范围内，机械手依靠视觉输入指导切换。第五部分A将会详细阐述视觉伺服系统方法，紧接着在第五部分B中会提供测试结果。图.4.检测使用微软机器人SimpleVision方面的服务特征.黑白边边框表示特征识别。A. 伺服系统对于最终机械手的定位是使用视觉伺服系统方法获得标准图像进行定位的。特征检测是根据Microsoft Robotics Studio的SimpleVision服务而测定的，获得能够识别颜色的斑点。在这些试验中获得结果我们用绿色标记标出，如图4所示。我们希望该机械手的方向是同定的，因此仅仅需要3个自由度（自由度）的位置应该被相关的视觉输入的影响。这些自由度两个是由BLOB的定位控制，其中一个应在图像中心位置。最后的自由度是由BLOB的大小决定的。B测试结果如图3所示，移动机械手的任务是移动一个瓶子从图像的桌子上移动到右边相对的较远的箱子里。机器人移动、机械手收缩和目标行为有关的数据关系可以在图5中看到。图.5机械手运行时各项的比例系数表首先移动机械手收缩和移动指令被激活引起移动平台移向目标，同时手臂保持原始的配置装态。经过约7秒之内达到目标并获得目标信号，因此机械手收缩动作被取消，机械手捕获动作被激活。不久后，Segway动作也被取消，让机械手拿起无干扰的目标。然而机械手运动会异致赛格威漂移，因此要过一会知道经过20s之后移动平台重新被激活，在这里移动平台又达到了预期目标的相对位置。视觉伺服指挥机械手到如图3 (b)所示的状态。经过约30秒钟，瓶子应该被抓手拾起的和新的目标是给予，造成机械手收缩动作被重新激活而机械手捕获动作被取消。同时移动平台移动动作也被激活，但当机械臂被收回时移动平台的移动动作会迅速被取消。完成之后控制移动平台移动到所需位置放置，进而机械手被激活把目标放到箱子里。VI.结论本文已经介绍了如何使动态系统的方法应用于移动操作。此文的主要结论包括两个层次，其中竞争态势是用于移动平台的整体协调和机械手运动以及避障和目标获取等动作。该方法首先已被证实在模拟环境中，其次也通过实际工作的验证。实验用的系统是Microsoft Robotics Studiol.5 (MSRS)。该系统最初是模拟和参数的调整，釆用模拟器进行。基于模拟器的物理参数理想的转向。整个MSRS是一个执行工作有益环境的平台。虽然控制是以20Hz被执行的，但由于Windows XP的非实性，动作间会有异常值出现。本文出自2009年IEEE国际机器人和自动化会议论文集参考文献1H. Seraji，A Unified Approach to Motion Control of Mobile Manipulators, The International Journal of Robotics Research, Vol. 17，No. 2, 1998，pp. 107-118.2E. Papadopoulos，J. Poulakakis, Planning and Model-Based Control for Mobile Manipulators, Proceedings of the IROSOO，2000，pp. 1810-1815.3Q. Huang, K. Tanie, S. Sugano, Coordinated Motion Planning for a Mobile Manipulator Considering Stability and Manipulation, Thee International Journal of Robotics Research, Vol. 19，No. 8，2000, pp. 732-742.4D.H. Shin, B.S. Hamenr, S. Singh, M. Hwangbo，Motion Planning for a Mobile Manipulator with Imprecise Locomotion, Proceddings of the IROS03，2003, 847-853.5G. Sch. oner，M. Dose, A dynamical systems approach to task-level system integration used to plan and control autonomous vehicle motion, Robotics and Autonomous Systems, Vol. 10, 1992, pp. 253-267.6G. Sch. oner，M. Dose, C. Engels, Dynamics of behavior: theory and applications for autonomous robot architecture. Robotics and Autonomous Systems, Vol. 16，1995，pp. 213-245.7O. Khatib, Real-Time Obstacle Avoidance for Manipulators and Mobile Robots. The International Journal of Robotics Research, Vol. 5，No. I，1986，pp. 90-98.8E. Bicho, G. Sch. oner，The dynamic approach to autonomous robotics demonstrated on a low-level vehicle platform. Robotics and Autonomous Systems, Vol. 21, 1997, pp. 23-35.9E. Bicho, P. Mallet, G. Sch.oner，Using Attractor Dynamics to Control Autonomous Vehicle Motion. Proceedings of the IECON98，Vol. 2，1998，pp. 1176-1181.10E. Bicho, P. Mallet, G. Sch. oner, Target Representation on an Autonomous Vehicle with Low-Level Sensors The International Journal of Robotics Research, Vol.19，No. 5，2000, pp. 424-447.11H. Choset, K.M. Lynch, S. Hutchinson, G. Kantor，W. Burgard，L.E. Kavraki，S. Thrun, Principles of Robot Motion . The MIT Press, 2005.12E.W. Large, H.I. Christensen, R. Bajcsy, Scaling the Dynamic Approach to Path Planning and Control: Competition among Behavioral Constraints. The International Journal of Robotics Research, Vol. 18，No. 1，pp. 37-58.13P. Althaus, H.I. Christensen, F. Hoffmann，Using the Dynamical System Approach to Navigate in Realistic Real-World Environments. Proceedings of IROSOI，Vol. 2，2001，pp. 1023-1029.14P. Althaus, Indoor Navigation for Mobile Robots: Control and Representations, Ph.d. Dissertation, Royal Institute of Technology (KTH), Stockholm, Sweden, 2003.15 S. Goldenstein, E. Large, D. Metaxas, Non-linear dynamical system approach to behavior modeling, The Visual Computer, Vol. 15，1999，pp. 349-364.16I. Iossifidic，G. Schoner, Autonomous reaching and obstacle avoidance with the anthropomorphic arm of a robotics assistant using the attractor dynamics approach, Proceedings of ICRA，04，2004，pp. 4295-4300.17L.-P. Ellekilde，J.W. Perram, Tool Center Trajectory Planning for Industrial Robot Manipulators Using Dynamical Systems, The International Journal of Robotics Research, Vol. 24，No. 5, 2005，pp. 385-396.118C. Santos, M. Ferreira, Ball Catching by a Puma Arm: a Nonlinear Dynamical Systems Approach, Proceedings of IROS06, 2006, pp.916-92119I. Iossifidic, G. Schooner, Dynamical Systems Approach for the Autonomous Avoidance of Obstacles and Joint-limits for an Redundant Robot Arm. Proceedings of the IROS，06，2006, pp. 580-585.20P. Jensfelt, H.I. Christensen, Pose tracking using laser scanning and minimalistic environment models, IEEE Transactions on Robotisc and Automation, Vol. 17，No. 2，2001, pp. 138-147.21J. Forsberg, P. A hman,. Wemersson, The Hough transform inside the feedback loop of a mobile robot, Proceedings of ICRA, Vol I, 1993，pp. 791-798.22K.O. Arras, R.Y. Siegwart, Feature Extraction and scene interpredation for map-based nagivation and map building, Proceedings of SPIE, Mobile Robotics XII，Vol. 3210，1997，pp. 42-53.23L.-P. Ellekilde, P. Favrholt, M. Paulin, H.G. Petersen, Robust control for high-speed visual servoing applications, International Journal of Advanced Robotic Systems，Vol. 4，No.3,2007,pp.272-292.