本技术涉及一种高效冗余机械臂运动控制技术,包括计算机设备和存储介质。该技术通过预设末端执行器的期望运动轨迹,推导轨迹跟踪模型,并利用冗余机械臂雅可比矩阵的广义逆进行改写,得到关节角速度表达式。通过设置位置误差,推导出关节角速度模型,并进行离散化处理,估计雅可比矩阵的广义逆,形成完整的运动控制模型。该模型能够获取末端执行器的关节角度和位置信息,计算关节角速度,驱动机械臂运动,实现对预设目标轨迹的精确跟踪。该技术能有效控制冗余机械臂,提高运动控制的准确性和效率。
背景技术
随着科技的不断进步,工业机器人在各行业中的需求急剧增加。冗余机械臂是指其关节自由度超过执行特定任务所需的自由度。这类机械臂作为工业自动化的重要组成部分,具备高精度、高效率和灵活性等显著优势,因而在制造、电子及医疗等多个领域得到了广泛应用。在工业制造领域,冗余机械臂的应用显著提升了生产效率,并有效降低了生产成本。在自动化生产线上,机械臂能够执行焊接、装配、喷漆及物料搬运等重复性工作,极大地减轻了工人的劳动强度。在电子行业,冗余机械臂通过实现精确定位,确保了零部件的准确装配,从而提升了产品质量。在医疗领域,冗余机械臂凭借其高精度操作能力,使得医生能够在远程或微创环境下开展高难度的手术。此外,冗余机械臂在其他领域亦展现出广阔的应用潜力,这种广泛应用对冗余机械臂的运动控制技术提出了更高的要求。
目前,冗余机械臂的运动控制主要依赖于模型驱动的方法,如MPC(ModelPredictive Control,模型预测控制)、逆运动学控制以及自适应控制等技术。这些控制算法基于已知的机械臂模型来实现有效的运动控制。针对多输入多输出系统的挑战,MPC算法与自适应模糊控制相结合的策略的提出有效解决了机械臂与移动平台之间的组合控制问题。螺旋理论的引入也为机械臂控制提供了新的视角,基于该理论提出的针对带偏置关节的六自由度机械臂的逆运动学方法经过验证显示出高效性。尽管上述方法在仿真或物理实验中均显示出良好的运动控制精度,但它们对机械臂的精确模型依赖性较强。在实际生产应用中,制造误差、工厂测量公差及使用过程中的关节磨损等因素,导致机械臂的运动学模型往往难以准确获得。因此,迫切需要研究一种独立于机械臂运动学模型的数据驱动运动控制方法,以应对实际应用中存在的模型不确定性和外部干扰,从而提升控制的适应性和鲁棒性。近年来,数据驱动的控制方法因其能够通过传感器数据实时学习和调整系统行为,成为应对无模型或不准模型问题的有效手段。特别是在冗余机械臂控制中,如何有效估计雅可比矩阵的伪逆(广义逆)成为实现高效运动控制的关键之一。
本发明正是在此背景下提出,旨在通过数据驱动的方法,在冗余机械臂缺乏精确数学模型的情况下,动态估计雅可比矩阵的广义逆,从而实现自适应、高效的运动控制。为简化计算复杂度,本发明直接引入了雅可比矩阵的广义逆运算,结合离散化处理,提升了计算效率和控制精度,为冗余机械臂的控制提供了新的解决方案。
实现思路