一种新的双环结构机器人无标定自抗扰视觉伺服控制方法.docVIP

一种新的双环结构机器人无标定自抗扰视觉伺服控制方法 导语：?在研究基于自抗扰控制器的机器人无标定视觉伺服方法的基础上，提出了一种新的双环结构机器人无标定自抗扰视觉伺服控制方法 摘 要：在研究基于自抗扰控制器的机器人无标定视觉伺服方法的基础上，提出了一种新的双环结构机器人无标定自抗扰视觉伺服控制方法。内环采用Kalman滤波算法进行图像雅可比矩阵的在线辨识，可较好地逼近真实模型；外环采用自抗扰控制器，利用非线性观测器实时估计系统相对于当前估计模型的总扰动，并在控制中加以动态补偿。针对六自由度工业机器人进行了二维运动目标的跟踪实验，实验结果表明了该方法的可行性和有效性。关键词：Kalman滤波；自抗扰控制器；无标定；视觉伺服 1 引言 近年来，无标定条件下的机器人视觉伺服控制以其灵活、鲁棒等特点，逐渐成为机器人视觉伺服控制领域的研究热点．所谓无标定是指在未知手眼关系模型的情况下，直接利用系统图像信息设计控制律，驱动机器人运动，实现对运动目标的操作．要解决这个问题首先必须知道机器人手眼之间的非线性映射关系，根据描述该非线性关系所用的模型的不同，可将现有的各种无标定方法分为两类．一类是基于图像雅可比矩阵的方法，这是最基本的机器人无标定视觉控制方法，其基本思想是：在每一个时刻，用线性图像雅可比矩阵实时估计机器人手眼之间的非线性映射关系，据此得出机器人下一时刻的运动控制量；第二类是用神经网络的方法拟合机器人手眼之间的非线性映射关系，这种方法需要事先离线训练机器人运动空间内的大量样本点，对于机器人的多自由度运动空间，有时难以获得足够样本．苏剑波等人 把无模型理论和自抗扰控制器（Auto Disturbance Rejection Controller，ADRC） 思想应用于无标定机器人视觉伺服领域，设计了不依赖于特定任务的广泛意义下的手眼协调控制器，取得了良好的效果．但是ADRC的扰动补偿精度与系统估计模型和实际系统模型之间的差值有关，差值越小，精度越高，差值越大，精度越低，甚至导致系统不稳定． 基于以上原因，本文将图像雅可比矩阵在线辨识方法与基于ADRC的机器人无标定视觉伺服方法相结合，提出了一种新的双环结构的机器人无标定自抗扰视觉伺服控制方法． 2 问题描述 基于ADRC的机器人无标定视觉伺服控制，其基本思想是首先估计出系统的图像雅可比矩阵初值，以此作为系统的近似线性模型并在运动过程中保持不变，而把这种近似所造成的非线性模型误差（即系统内扰）以及图像检测误差、未知外部扰动等之和（即系统外扰）看成是系统的总扰动量，用一个非线性的状态观测器（Extended State Obse～er，ESO）实时估计并在控制中加以动态补偿 ，整个系统的结构如图1所示． 图中（）表示运动目标的期望位置坐标，这可用如式（1）所示的一阶预估获得： 式中，表示。（k）表示k时刻目标在图像坐标系中的位置矢量． ）表示k时刻机器人手爪在图像坐标系中的位置坐，）为目标在空间坐标系中的位置，Zx[sub]1[/sub]和Zx[sub]2[/sub]Zx2分别为x方向扩张状态观测器ESO的输出，Zy[sub]1[/sub]和Zy[sub]2[/sub]分别为y方向扩张状态观测器ESO的输出，Uox和Uoy分别为x，y方向非线性状态误差反馈控制器（Non．Linear States Error Feedback，NLSEF）的输出，为系统扰．采用图像雅可比矩阵J，来描述机器人手眼之间的非线性映射关系，其中J，的定义如式（2）所示． 式中，为机器人手爪在机器人运动空间的运动速度，也就是机器人的运动控制量u，即为其在图像特征空间中的运动速度．离散化后为： 通过初始的试探运动可得到该矩阵的初始估计值并在整个控制过程中保持不变． 实验表明当J，的变化范围较小时，这种控制策略具有一定的鲁棒性．但当对象模型变化较大时，整个系统的控制效果会变差．若受控对象有已知部分，把此部分补偿给扩张状态观测器输入项，只对不确定部分进行估计，则扩张状态观测器的估计精度会提高．在本系统中，当目标静止时J，的变化范围较小，扩张状态观测器能较好地估计出系统的实时扰动，系统具有较好的控制性能；当目标运动时，实际的图像雅可比矩阵变化范围增大．目标的运动速度越快，图像雅可比矩阵变化就越明显。如图2所示．其中图2（a）表示目标和手爪在图像平面的运动轨迹，图2（b）为对应的图像雅可比矩阵值（以J[sub]11[/sub]（k） J[sub]22[/sub]（k）为例）的变化曲线． 此时若仍用初始试探运动所估计的图像雅可比矩阵值作为系统的