基于方向的机械臂智能控制方法及系统、设备、存储介质

技术领域

本发明涉及机械臂控制技术领域，特别地，涉及一种基于方向的机械臂智能控制方法及系统、电子设备、计算机可读取的存储介质。

背景技术

机械臂是机器人领域中得到广泛应用的一类自动化机械装置，其通过模拟人类手臂、手腕和手功能实现复杂的操作任务。长期以来，机械臂的运动控制问题是限制其发展的一大难题，使得其应用主要面向结构化工业生产领域，而在复杂非结构化环境下的操作效果并不理想。当前，机械臂主要是利用基于位置的控制策略完成目标抓捕任务，需要精确测量目标位置信息和姿态信息。神经生理学家通过研究发现，运动皮质的活动与运动方向有关，大脑中包含有编码方向的神经细胞结构，能够编码方向的场向量，并用其控制手臂运动，采用基于方向控制时，大脑的激活与运动的起始点和末端点的精确位置无关，仅与方向有关。因此，采用基于方向的控制策略来控制机械臂是一种新的研究方向，但目前无法对运动方向进行解析并将其转换到关节空间中，以实现机械臂的智能运动控制。

发明内容

本发明提供了一种基于方向的机械臂智能控制方法及系统、电子设备、计算机可读取的存储介质，以解决现有技术无法基于运动方向实现机械臂智能控制的技术问题。

根据本发明的一个方面，提供一种基于方向的机械臂智能控制方法，包括以下内容：

构建机械臂运动坐标系；

获取机械臂的关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据；

对末端速度矢量和关节角速度矢量进行归一化处理；

构建神经网络模型，并将关节角位置矢量和归一化的末端速度矢量作为输入、将归一化的关节角速度矢量作为输出，对神经网络模型进行训练直至模型收敛；

利用训练好的神经网络模型控制机械臂运动。

进一步地，所述构建机械臂运动坐标系的过程具体为：

定义机械臂的工作空间为W、构型空间为ζ、机械臂包含n个驱动自由度，则机械臂构型由机械臂的关节角位置矢量q＝[q

定义机械臂在工作空间W中的基坐标系为b、末端坐标系为e、连杆坐标系为L

进一步地，当机械臂系统具有运动学模型时，所述获取机械臂的关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据的过程包括以下内容：

构建从基坐标系到末端坐标系的运动学模型

根据构建的运动学模型计算雅克比矩阵，并构建关节角位置矢量、关节角速度矢量和末端速度矢量之间的函数关系：

在机械臂有效的关节角范围内随机产生一组关节角位置矢量q，并采用构建的运动学模型估计末端的位姿

通过末端位姿

根据机械臂关节空间的速度约束，在关节空间随机采样N组关节角速度矢量q

重复上述过程，获得M个关节角位置向量的采样点数据以构建训练数据集

进一步地，当机械臂系统不具有运动学模型时，所述获取机械臂的关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据的过程包括以下内容：

安装辅助系统，用于实时采集机械臂末端的位置p、姿态R、平移速度v和旋转速度w，其中，机械臂末端的平移速度v和旋转速度w组成末端速度矢量

驱动机械臂在工作空间内全空间运动，利用本体反馈获得机械臂的关节角位置矢量q和关节角速度矢量q

进一步地，所述对末端速度矢量和关节角速度矢量进行归一化处理的过程具体为：

将末端速度矢量χ

进一步地，所述神经网络模型的损失函数表达式为：

其中，L(q,q′)表示所有样本的损失和，q′

进一步地，在模型训练过程中还包括以下内容：

利用神经网络输出的关节角速度矢量

另外，本发明还提供一种基于方向的机械臂智能控制系统，包括：

坐标系构建模块，用于构建机械臂运动坐标系；

数据获取模块，用于获取机械臂的关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据；

归一化模块，用于对末端速度矢量和关节角速度矢量进行归一化处理；

模型训练模块，用于构建神经网络模型，并将关节角位置矢量和归一化的末端速度矢量作为输入、将归一化的关节角速度矢量作为输出，对神经网络模型进行训练直至模型收敛；

智能控制模块，用于利用训练好的神经网络模型控制机械臂运动。

另外，本发明还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。

另外，本发明还提供一种计算机可读取的存储介质，用于存储基于方向进行机械臂智能控制的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。

本发明具有以下效果：

本发明的基于方向的机械臂智能控制方法，在构建机械臂运动坐标系后，获取机械臂在运动过程中的一系列关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据，在对速度矢量进行归一化处理后，将关节角位置矢量和归一化的末端速度矢量作为输入、将归一化的关节角速度矢量作为输出，以对模型进行训练，最后，利用训练好的神经网络模型控制机械臂运动。本发明的基于方向的机械臂智能控制方法通过构建机械臂的关节角位置矢量、关节角速度矢量和末段速度矢量之间的函数关系，并在此基础上构造了基于运动方向的动作解析模型，模型的输入为机械臂构型和运动方向、输出为机械臂关节空间的运动参数，从而能够自动地将机械臂三维空间的运动方向转换为关节空间的运动指令，使得机械臂的智能控制与起始点和末端点的位置无关，仅与运动方向有关，可以很好地适用于复杂非结构环境。

另外，本发明的基于方向的机械臂智能控制系统同样具有上述优点。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例的基于方向的机械臂智能控制方法的流程示意图。

图2是本发明另一实施例的基于方向的机械臂智能控制系统的模块结构示意图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由下述所限定和覆盖的多种不同方式实施。

如图1所示，本发明的优选实施例提供一种基于方向的机械臂智能控制方法，包括以下内容：

步骤S1：构建机械臂运动坐标系；

步骤S2：获取机械臂的关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据；

步骤S3：对末端速度矢量和关节角速度矢量进行归一化处理；

步骤S4：构建神经网络模型，并将关节角位置矢量和归一化的末端速度矢量作为输入、将归一化的关节角速度矢量作为输出，对神经网络模型进行训练直至模型收敛；

步骤S5：利用训练好的神经网络模型控制机械臂运动。

可以理解，本实施例的基于方向的机械臂智能控制方法，在构建机械臂运动坐标系后，获取机械臂在运动过程中的一系列关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据，在对速度矢量进行归一化处理后，将关节角位置矢量和归一化的末端速度矢量作为输入、将归一化的关节角速度矢量作为输出，以对模型进行训练，最后，利用训练好的神经网络模型控制机械臂运动。本发明的基于方向的机械臂智能控制方法通过构建机械臂的关节角位置矢量、关节角速度矢量和末段速度矢量之间的函数关系，并在此基础上构造了基于运动方向的动作解析模型，模型的输入为机械臂构型和运动方向、输出为机械臂关节空间的运动参数，从而能够自动地将机械臂三维空间的运动方向转换为关节空间的运动指令，使得机械臂的智能控制与起始点和末端点的位置无关，仅与运动方向有关，可以很好地适用于复杂非结构环境。

可以理解，在所述步骤S1中，所述构建机械臂运动坐标系的过程具体为：

定义机械臂的工作空间为W，平面时的工作空间可表示为W＝τ

可以理解，在所述步骤S2中，当机械臂系统具有运动学模型时，可以通过数学模型直接获得训练数据，具体地，所述获取机械臂的关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据的过程包括以下内容：

先采用DH参数法或者现有其它方法，构建从基坐标系到末端坐标系的运动学模型

再根据构建的运动学模型计算雅克比矩阵，并构建关节角位置矢量、关节角速度矢量和末端速度矢量之间的函数关系：

然后，在机械臂有效的关节角范围内随机产生一组关节角位置矢量q，并采用之前构建的运动学模型

再通过末端位姿

然后，根据机械臂关节空间的速度约束，在关节空间随机采样N组关节角速度矢量q

重复上述过程，获得M个关节角位置向量的采样点数据以构建训练数据集

另外，当机械臂系统不具有运动学模型时，则无法通过数学模型直接获取训练数据，此时，所述获取机械臂的关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据的过程包括以下内容：

先安装辅助系统，例如三维运动捕捉系统，用于实时采集机械臂末端的位置p、姿态R、平移速度v和旋转速度w，其中，机械臂末端的平移速度v和旋转速度w组成末端速度矢量

然后，驱动机械臂在工作空间内全空间运动，利用本体反馈获得机械臂在各个运动位置的关节角位置矢量q和关节角速度矢量q

可以理解，在所述步骤S3中，所述对末端速度矢量和关节角速度矢量进行归一化处理的过程具体为：

对于训练集和测试集的数据，将末端速度矢量χ

可以理解，在所述步骤S4中，所述神经网络模型采用全连接神经网络，其包含有C个隐藏层，第i个隐藏层包含的节点个数为T

其中，所述神经网络模型的损失函数表达式为：

其中，L(q,q′)表示所有样本的损失和，q′

可选地，所述步骤S4中，在模型训练过程中还包括以下内容：

利用神经网络输出的关节角速度矢量

可以理解，在所述步骤S5中，当模型训练完成后需要进行机械臂智能控制时，只需要输入机械臂的关节角位置矢量和末段速度矢量，即输入机械臂构型和运动方向，即可自动输出机械臂的关节角速度矢量，即输出机械臂关节空间的动作参数，从而自动将机械臂三维空间的运动方向转换为关节空间的运动指令，使得机械臂的智能控制与起始点和末端点的位置无关，仅与运动方向有关，可以很好地适用于复杂非结构环境。

另外，如图2所示，本发明的另一实施例还提供一种基于方向的机械臂智能控制系统，优选采用如上所述的方法，包括：

坐标系构建模块，用于构建机械臂运动坐标系；

数据获取模块，用于获取机械臂的关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据；

归一化模块，用于对末端速度矢量和关节角速度矢量进行归一化处理；

模型训练模块，用于构建神经网络模型，并将关节角位置矢量和归一化的末端速度矢量作为输入、将归一化的关节角速度矢量作为输出，对神经网络模型进行训练直至模型收敛；

智能控制模块，用于利用训练好的神经网络模型控制机械臂运动。

可以理解，本实施例的基于方向的机械臂智能控制系统，在构建机械臂运动坐标系后，获取机械臂在运动过程中的一系列关节角位置矢量、关节角速度矢量和末端速度矢量作为训练数据，在对速度矢量进行归一化处理后，将关节角位置矢量和归一化的末端速度矢量作为输入、将归一化的关节角速度矢量作为输出，以对模型进行训练，最后，利用训练好的神经网络模型控制机械臂运动。本发明的基于方向的机械臂智能控制系统通过构建机械臂的关节角位置矢量、关节角速度矢量和末段速度矢量之间的函数关系，并在此基础上构造了基于运动方向的动作解析模型，模型的输入为机械臂构型和运动方向、输出为机械臂关节空间的运动参数，从而能够自动地将机械臂三维空间的运动方向转换为关节空间的运动指令，使得机械臂的智能控制与起始点和末端点的位置无关，仅与运动方向有关，可以很好地适用于复杂非结构环境。

另外，本发明的另一实施例还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。

另外，本发明的另一实施例还提供一种计算机可读取的存储介质，用于存储基于方向进行机械臂智能控制的计算机程序，其特征在于，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。

一般计算机可读取存储介质的形式包括：软盘(floppy disk)、可挠性盘片(flexible disk)、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punch cards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质，其可用来存储、编码或承载用来给机器执行的指令，并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤，其包含了用来传输一计算机数据信号的总线的导线。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。