(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221047942 2.6 (22)申请日 2022.05.05 (65)同一申请的已公布的文献号 申请公布号 CN 114643582 A (43)申请公布日 2022.06.21 (73)专利权人 中山大学 地址 510275 广东省广州市海珠区新港西 路135号 (72)发明人 谭宁　钟朝晖　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 梁嘉琦 (51)Int.Cl. B25J 9/16(2006.01)(56)对比文件 US 2022009096 A1,202 2.01.13 CN 112605996 A,2021.04.0 6 CN 101804627 A,2010.08.18 CN 102126219 A,201 1.07.20 CN 112706163 A,2021.04.27 WO 2021135405 A1,2021.07.08 审查员 张浩 (54)发明名称 一种面向冗余机械臂的无模型关节容错控 制方法及装置 (57)摘要 本发明公开了一种面向冗余机械臂的无模 型关节容错控制方法及装置， 方法包括： 建立冗 余机械臂的逆向运动学方程， 并建立关节容错和 轨迹追踪的约束不等式； 根据逆向运动学方程和 约束不等式， 得到冗余机械臂的逆向运动学微分 方程； 使用零化神经网络建立估计雅可比矩阵的 微分方程， 采用离散化零化神经动力学方法估计 冗余机械臂末端的雅可比矩阵的估计值； 联立逆 向运动学微 分方程和雅可比矩阵的估计值， 并使 用离散方程对 联立的结果进行离散处理， 得到在 碰撞避免运动中冗余机械臂在任意时刻各关节 的期望位置； 根据期望位置控制冗余机械臂完成 无模型关节 容错任务。 本发明的精确度高且适应 性强， 可广泛应用于 机械臂控制技 术领域。 权利要求书3页 说明书14页 附图10页 CN 114643582 B 2022.12.27 CN 114643582 B 1.一种面向冗余机 械臂的无模型关节容 错控制方法， 其特 征在于， 包括： 建立冗余机 械臂的逆向运动学 方程， 并建立关节容 错和轨迹追踪的约束不 等式； 根据所述逆向运动学方程和所述约束不等式， 得到冗余机械臂的逆向运动学微分方 程； 使用零化神经网络建立估计雅可比矩阵的微分方程， 采用离散化零化神经动力学方法 估计冗余机 械臂末端的雅可比矩阵的估计值； 联立冗余机械臂的逆向运动学微分方程和冗余机械臂末端的雅可比矩阵的估计值， 并 使用离散方程对所述联立的结果进行离散处理， 得到在碰撞避免运动中冗余机械臂在 任意 时刻各关节的期望位置； 根据所述期望位置控制冗余机 械臂完成无模型关节容 错任务； 其中， 所述冗余机 械臂的逆向运动学 方程的表达式为： 其中， 是冗余机械臂的关节的角速度， 是待实时求解的决策变量； n是冗余机械 臂的自由度； J是冗余机械臂末端的雅可比矩阵； 是冗余机械臂的末端执行器在任务空间 的期望轨迹的时间导数， 是末端执 行器的速度； 所述关节容 错的约束不 等式的表达式为： 其中， 矩阵Λ是一个mf*n维的矩阵； mf为冗余机械臂中损坏关节的个数； ξ‑和 ξ+都是n维向量， 分别表示冗余机 械臂的关节的物理最小极限和最大极限； 所述逆向运动学微分方程的表达式为： 其中， 为冗余机械臂关节加速度； 和 分别为A(t)， b(t)， C(t)以及 d(t)的时间导数； 函数R( ·)表示向量中的每个元素都经过函数r( ·)处理， 即R(x)＝(r (x1),…,r(xj)) A(t)， b(t)， C(t)以及d(t)的定义表达式为： 其中， I为单位矩阵； 函数r(·)定义表达式为： 其中， a代 表任意实数； 所述离散处理的离散公式为： 其中， 代表x在t＝k φ时的瞬时导数； xk代表x在t＝k φ时的瞬时值； φ代表仿真时间权　利　要　求　书 1/3 页 2 CN 114643582 B 2间隔； O()代 表时间复杂度。 2.根据权利要求1所述的一种面向冗余机械臂 的无模型关节容错控制方法， 其特征在 于， 所述冗余机 械臂的关节的物理最小极限的计算表达式为： 其中， β 是调节参数， 用于调 节关节极限转换之后的可行域的大小； θ代表冗余机械臂的 关节的角度， θ‑≤θ≤θ+； 代表冗余机械臂的关节的角速度， θ‑为关节的角度 的最小极限， θ+为关节的角度的最大极限， 为关节的角速度的最小极限， 为关节的角 速度的最大极限。 3.根据权利要求2所述的一种面向冗余机械臂 的无模型关节容错控制方法， 其特征在 于， 所述冗余机 械臂的关节的物理最大极限的计算表达式为： 4.根据权利要求1所述的一种面向冗余机械臂 的无模型关节容错控制方法， 其特征在 于， 所述根据所述逆向运动学方程和所述约束不等式， 得到冗余机械臂的逆向运动学微分 方程， 具体为： 根据所述逆向运动学方程和所述约束不等式， 使用零化神经网络方法将冗余机械臂的 逆向运动学问题 表示为微分方程形式， 得到 冗余机械臂的逆向运动学微分方程。 5.一种面向冗余机 械臂的无模型关节容 错控制装置， 其特 征在于， 包括： 第一模块， 用于建立冗余机械臂 的逆向运动学方程， 并建立关节容错和轨迹追踪的约 束不等式； 第二模块， 用于根据所述逆向运动学方程和所述约束不等式， 得到冗余机械臂 的逆向 运动学微分方程； 第三模块， 用于使用零化神经网络建立估计雅可比矩阵的微分方程， 采用离散化零化 神经动力学 方法估计冗余机 械臂末端的雅可比矩阵的估计值； 第四模块， 用于联立冗余机械臂的逆向运动学微分方程和冗余机械臂末端的雅可比矩 阵的估计值， 并使用离散方程对所述联立的结果进行离散处理， 得到在碰撞避免运动中冗 余机械臂在任意时刻各关节的期望位置； 第五模块， 用于根据所述期望位置控制冗余机 械臂完成无模型关节容 错任务； 其中， 所述冗余机 械臂的逆向运动学 方程的表达式为： 其中， 是冗余机械臂 的关节的角速度， 是待实时求解的决策变量； n是冗余机械 臂的自由度； J是冗余机械臂末端的雅可比矩阵； 是冗余机械臂的末端执行器在任务空间 的期望轨迹的时间导数， 是末端执 行器的速度； 所述关节容 错的约束不 等式的表达式为： 其中， 矩阵Λ是一个mf*n维的矩阵； mf为冗余机械臂中损坏关节的个数； ξ‑和 ξ+都是n维向量， 分别表示冗余机 械臂的关节的物理最小极限和最大极限；权　利　要　求　书 2/3 页 3 CN 114643582 B 3