食品協(xié)作機(jī)器人動(dòng)態(tài)目標(biāo)抓取控制方法研究

程鵬飛 劉明堂 孫 晨

(1. 河南水利與環(huán)境職業(yè)學(xué)院,河南 鄭州 450000;2. 華北水利水電大學(xué),河南 鄭州 450045;3. 河南農(nóng)業(yè)大學(xué),河南 鄭州 450002)

在“工業(yè)4.0”“再工業(yè)化”“中國(guó)制造2025”等重大計(jì)劃的推動(dòng)下,中國(guó)機(jī)器人技術(shù)發(fā)展迅速[1]。機(jī)器人作為集深度學(xué)習(xí)、智能控制和感知等多種人工智能技術(shù)于一體的技術(shù),大大提高了生產(chǎn)效率,也使產(chǎn)品質(zhì)量得到了進(jìn)一步提高。食品行業(yè)需要在包裝、分揀、裝箱等方面投入大量工作,為了滿足產(chǎn)品定制帶來(lái)的多樣性需求以及食品生產(chǎn)中快速換產(chǎn)要求,機(jī)器人不僅要長(zhǎng)期執(zhí)行重復(fù)性的工作任務(wù),還需要考慮人與機(jī)器人協(xié)同工作的問(wèn)題[2]。協(xié)作機(jī)器人以體積小、人機(jī)互動(dòng)性好、安全系數(shù)高等優(yōu)點(diǎn)成為人機(jī)合作不可替代的領(lǐng)域。動(dòng)態(tài)目標(biāo)抓持是協(xié)作機(jī)器人最典型的應(yīng)用之一,能夠滿足柔性靈活的抓持需求,提高抓持作業(yè)的精度和效率[3]。

為了使機(jī)器人能夠適應(yīng)復(fù)雜的工作環(huán)境,機(jī)器人的智能化研究尤其是智能化抓取技術(shù)的研究越來(lái)越受到關(guān)注。目前國(guó)內(nèi)外關(guān)于機(jī)器人抓取控制技術(shù)的研究較多,也有一些較為突出的成果,如PID控制、滑動(dòng)控制、魯棒控制等[4-8]。但是關(guān)于協(xié)作機(jī)器人的抓取控制方法研究較少,與傳統(tǒng)機(jī)器人相比,協(xié)作機(jī)器人更加安全和簡(jiǎn)單。李世裴等[9]針對(duì)多目標(biāo)復(fù)雜場(chǎng)景,提出將監(jiān)督學(xué)習(xí)和視覺(jué)技術(shù)相結(jié)合用于協(xié)作機(jī)器人抓取控制。結(jié)果表明,所提方法能夠較為準(zhǔn)確地抓取目標(biāo),具有一定的應(yīng)用價(jià)值。胡國(guó)喜等[10]針對(duì)并聯(lián)機(jī)器人食品分選中存在的效率差和精度低等問(wèn)題,提出一種改進(jìn)的PID控制方法用于運(yùn)動(dòng)目標(biāo)抓取。結(jié)果表明,所提方法與常規(guī)方法相比,在動(dòng)態(tài)目標(biāo)抓取中具有良好的抓取成功率和效率。饒期捷等[11]針對(duì)現(xiàn)有機(jī)器人抓持方法不能滿足實(shí)際生產(chǎn)需要,提出將改進(jìn)的Canny邊緣檢測(cè)與Hough變換相結(jié)合用于機(jī)器人抓取檢測(cè)。結(jié)果表明,所提方法在抓取過(guò)程中具有較好的準(zhǔn)確率和魯棒性。雖然上述方法可以實(shí)現(xiàn)機(jī)器人動(dòng)態(tài)目標(biāo)的穩(wěn)定和高效抓取,但在實(shí)際應(yīng)用中的抓取成功率和效率有待進(jìn)一步提高。

在此基礎(chǔ)上,研究提出將模糊自整定PID控制與魯棒自適應(yīng)補(bǔ)償器相結(jié)合用于協(xié)作機(jī)器人食品動(dòng)態(tài)目標(biāo)抓取控制。通過(guò)PID結(jié)合模糊控制完成參數(shù)自整定,將魯棒算法與自適應(yīng)算法結(jié)合用于系統(tǒng)不確定性補(bǔ)償,并通過(guò)試驗(yàn)驗(yàn)證所提方法的優(yōu)越性。以期為協(xié)作機(jī)器人在食品生產(chǎn)中的應(yīng)用提供依據(jù)。

1 協(xié)作機(jī)器人系統(tǒng)概述

根據(jù)機(jī)械臂的結(jié)構(gòu),將機(jī)器人分為串聯(lián)機(jī)械臂和并聯(lián)機(jī)械臂,并聯(lián)機(jī)械臂如DELTA機(jī)器人,串聯(lián)機(jī)械臂如協(xié)作機(jī)器人和工業(yè)機(jī)器人等。協(xié)作機(jī)器人以其體積小、人機(jī)交互性好、安全系數(shù)高等優(yōu)點(diǎn)被廣泛應(yīng)用于食品分選領(lǐng)域[12-13]。圖1為協(xié)作機(jī)器人的系統(tǒng)結(jié)構(gòu)。該系統(tǒng)由主控制器、協(xié)作機(jī)器人主機(jī)、視覺(jué)系統(tǒng)、傳輸系統(tǒng)、顯示系統(tǒng)5個(gè)主要部分組成。通過(guò)視覺(jué)系統(tǒng)實(shí)現(xiàn)傳動(dòng)系統(tǒng)上目標(biāo)數(shù)據(jù)的采集與識(shí)別,主控制器根據(jù)采集信息對(duì)抓取位置進(jìn)行計(jì)算,控制協(xié)作機(jī)器人本體完成目標(biāo)物體的動(dòng)態(tài)抓取。

圖1 系統(tǒng)結(jié)構(gòu)

2 協(xié)作機(jī)器人抓取控制

協(xié)作機(jī)器人由多個(gè)關(guān)節(jié)和連桿組成,是一個(gè)比較復(fù)雜的動(dòng)力學(xué)系統(tǒng),各關(guān)節(jié)的運(yùn)動(dòng)與力矩之間也存在復(fù)雜的耦合效應(yīng),在協(xié)作機(jī)器人運(yùn)動(dòng)過(guò)程中,外部干擾和不確定性是影響協(xié)作機(jī)器人的主要因素,不確定性與時(shí)間變化是未知的,提出將模糊自整定PID控制與魯棒自適應(yīng)補(bǔ)償器相結(jié)合用于協(xié)作機(jī)器人食品動(dòng)態(tài)目標(biāo)抓取。通過(guò)模糊控制器對(duì)PID控制參數(shù)進(jìn)行自調(diào)整,通過(guò)結(jié)合魯棒算法和自適應(yīng)算法對(duì)系統(tǒng)的不確定性進(jìn)行補(bǔ)償[14-18]。

2.1 協(xié)作機(jī)器人動(dòng)力學(xué)方程

根據(jù)拉格朗日建模方法可以得到串聯(lián)機(jī)械臂的動(dòng)力學(xué)方程,如式(1)所示。

(1)

式中:

M(q)——機(jī)器人慣性矩陣;

G(q)——機(jī)器人重力項(xiàng),N·mm;

q——關(guān)節(jié)角角度,rad;

τ——各關(guān)節(jié)驅(qū)動(dòng)力矩,N·mm。

式(1)為理想狀態(tài)下機(jī)械臂各關(guān)節(jié)的驅(qū)動(dòng)力矩,但實(shí)際控制對(duì)象會(huì)受到干擾和摩擦力的影響。當(dāng)機(jī)器人關(guān)節(jié)角速度不為零時(shí),關(guān)節(jié)所受的力矩可近似為受庫(kù)侖摩擦力和黏性摩擦力的影響。動(dòng)力學(xué)方程如式(2)所示。

(2)

式中:

σ——機(jī)械系統(tǒng)中的不確定參數(shù);

τ(t)——t時(shí)刻各關(guān)節(jié)驅(qū)動(dòng)力矩,N·mm。

2.2 模糊PID控制

PID控制在工業(yè)控制中應(yīng)用較為廣泛,常用的PID控制器具有比例項(xiàng)、積分項(xiàng)、微分項(xiàng),輸出如式(3)所示[19]。

(3)

式中:

e(t)——跟蹤誤差,rad;

kp、ki、kd——比例、積分和微分系數(shù)。

由于積分項(xiàng)導(dǎo)致定性下降和計(jì)算量增加,文中ki=0,PID控制輸出如式(4)所示。

(4)

因PID參數(shù)調(diào)整較為復(fù)雜,在非線性時(shí)變系統(tǒng)中無(wú)法適用,因此,提出PID與模糊控制結(jié)合完成參數(shù)自整定,有效解決PID參數(shù)整定難度大的問(wèn)題,具體參數(shù)整定過(guò)程如圖2所示。

圖2 模糊PID控制器參數(shù)整定過(guò)程

將誤差e和變化率Δe作為模糊輸入,將比例和微分增量Δkp和Δkd作為模糊輸出,隸屬函數(shù)為三角形。進(jìn)而實(shí)現(xiàn)非線性PID控制的參數(shù)自整定功能。

2.3 自適應(yīng)魯棒補(bǔ)償器

e(t)=q(t)-qd(t),

(5)

(6)

(7)

式中:

e(t)——跟蹤角誤差,rad;

將式(5)、式(6)和式(7)代入式(2),變換得:

(8)

在機(jī)器人的實(shí)際運(yùn)行過(guò)程中,由于參數(shù)的不確定性和參數(shù)的不斷變化以及機(jī)器人系統(tǒng)中存在的不確定性,不能得到精確的動(dòng)力學(xué)模型,因此,可以將動(dòng)力學(xué)模型分為名義部分和不確定部分,如式(9)所示。

(9)

式中:

(10)

式中:

S——常數(shù)。

如果不考慮所有的不確定性,那么H≡0。

設(shè)計(jì)魯棒補(bǔ)償器如式(11)所示。

(11)

式中:

λ——對(duì)角矩陣,λ=diag(λ1,…,λn);

β——系統(tǒng)不確定項(xiàng)上限(H≤β);

ε——常數(shù)(極小);

ud——補(bǔ)償器的實(shí)際輸出。

β參數(shù)滿足如式(12)所示。

H≤β=D·B,

(12)

式中:

B——系統(tǒng)不確定項(xiàng);

D——系數(shù)向量,D=max(1,‖e‖,‖e‖2)。

通過(guò)自適應(yīng)算法確定B參數(shù)估計(jì)律,如式(13)所示。

(13)

式中:

k——正定矩陣。

可得自適應(yīng)的魯棒補(bǔ)償器如式(14)所示。

(14)

2.3 控制策略

針對(duì)傳統(tǒng)PID控制器存在的一些問(wèn)題,提出將模糊自整定PID控制與魯棒自適應(yīng)補(bǔ)償器相結(jié)合用于協(xié)作機(jī)器人的食品動(dòng)態(tài)目標(biāo)抓取。通過(guò)模糊控制器對(duì)PID控制參數(shù)進(jìn)行自整定,提高效率的同時(shí)降低超調(diào)量。通過(guò)魯棒自適應(yīng)補(bǔ)償器補(bǔ)償系統(tǒng)的不確定性,提高系統(tǒng)抗干擾和學(xué)習(xí)能力。具體的控制器結(jié)構(gòu)如圖3所示。

圖3 抓取控制方法結(jié)構(gòu)

設(shè)計(jì)總控制律如式(15)所示。

τpid+u=τ。

(15)

3 試驗(yàn)分析

3.1 試驗(yàn)參數(shù)

為了驗(yàn)證所提協(xié)作機(jī)器人抓取控制方法的優(yōu)越性,將試驗(yàn)方法與文獻(xiàn)[21]結(jié)合滑模和模糊算法的控制方法和PID控制方法進(jìn)行動(dòng)力學(xué)軌跡跟蹤和抓取效果試驗(yàn)。PC機(jī)系統(tǒng)為windows11、處理器為英特爾酷睿i513400m。通過(guò)MATLAB進(jìn)行試驗(yàn)。抓取平臺(tái)結(jié)構(gòu)如圖4所示,系統(tǒng)參數(shù)見(jiàn)表1。算法參數(shù)見(jiàn)表2。

表1 系統(tǒng)參數(shù)

表2 算法參數(shù)

圖4 抓取平臺(tái)結(jié)構(gòu)

為了更好地對(duì)比不同控制方法的性能,通過(guò)最大位移誤差(MAXE)和位移誤差的均方根(RMSE)對(duì)不同控制方法的動(dòng)態(tài)性能進(jìn)行分析,如式(16)和式(17)所示。

EMAXE=max(|ei|),

(16)

(17)

式中:

ei——第i個(gè)樣本的位置跟蹤誤差,rad;

n——樣本總數(shù)。

3.2 不同控制方法試驗(yàn)對(duì)比分析

為了驗(yàn)證試驗(yàn)所提控制方法的優(yōu)越性,將試驗(yàn)方法和文獻(xiàn)[21]結(jié)合滑模和模糊算法的控制方法和PID控制方法進(jìn)行對(duì)比分析,試驗(yàn)過(guò)程中對(duì)協(xié)作機(jī)器人上位機(jī)采集的數(shù)據(jù)進(jìn)行處理,可以得到不同控制算法的對(duì)比結(jié)果,連桿1軌跡跟蹤誤差如圖5所示,連桿2軌跡跟蹤誤差如圖6所示。不同控制方法的跟蹤性能比較如表3所示。

表3 不同方法的跟蹤性能

圖5 連桿1軌跡跟蹤誤差

圖6 連桿2軌跡跟蹤誤差

從圖5和圖6可以看出,與文獻(xiàn)[21]的控制方法和PID控制方法相比,試驗(yàn)方法具有最小的跟蹤誤差,動(dòng)態(tài)跟蹤性能最優(yōu)。由表3可知,試驗(yàn)所提控制方法在連桿1和連桿2中均具有最小的最大位移誤差和位移誤差的均方根,試驗(yàn)所提控制方法與PID控制算法和文獻(xiàn)[21]控制方法相比均有較大提高,試驗(yàn)方法具有較好的魯棒性,也驗(yàn)證了試驗(yàn)方法用于協(xié)作機(jī)器人抓取控制方法的優(yōu)越性。

為了進(jìn)一步驗(yàn)證試驗(yàn)所提控制方法的優(yōu)越性,對(duì)協(xié)作機(jī)器人動(dòng)態(tài)目標(biāo)抓取系統(tǒng)的整體功能進(jìn)行測(cè)試,測(cè)試系統(tǒng)能否有效、穩(wěn)定地抓取和放置傳送帶上的目標(biāo)物體,驗(yàn)證算法的穩(wěn)定性。試驗(yàn)?zāi)繕?biāo)分別為蘋(píng)果、梨和橙子,其中蘋(píng)果為協(xié)作機(jī)器人抓取目標(biāo),梨和橙子為干擾對(duì)象,設(shè)置帶式輸送機(jī)4個(gè)速度(100,200,300,400 mm/s),蘋(píng)果、梨和橙子各2 000個(gè),不同抓取控制方法的抓取結(jié)果如表4所示。

表4 不同方法的抓取效果

由表4可知,輸送速度從100 mm/s增加到400 mm/s,3種方法抓取成功率均有不同程度的降低,試驗(yàn)方法的抓取成功率由100 mm/s時(shí)的99.50%降至400 mm/s時(shí)的94.50%;文獻(xiàn)[21]方法的抓取成功率由100 mm/s時(shí)的98.25%降至400 mm/s時(shí)的91.00%;PID控制的抓持成功率由100 mm/s時(shí)的95.00%降至400 mm/s時(shí)的79.50%,因此從動(dòng)態(tài)目標(biāo)抓取效果來(lái)看,試驗(yàn)方法在多種輸送速度下抓取成功率最優(yōu),能夠達(dá)到預(yù)期的協(xié)作機(jī)器人動(dòng)態(tài)目標(biāo)抓持效果,具有較強(qiáng)的抗干擾能力和適應(yīng)性。

4 結(jié)論

研究提出將模糊自整定PID控制與魯棒自適應(yīng)補(bǔ)償器相結(jié)合用于協(xié)作機(jī)器人食品動(dòng)態(tài)目標(biāo)抓取。PID控制參數(shù)由模糊控制器自調(diào)整,并將魯棒自適應(yīng)算法用于補(bǔ)償系統(tǒng)的不確定性。結(jié)果表明,與文獻(xiàn)[21]方法和PID控制相比,從傳送帶速度為100～400 mm/s時(shí),試驗(yàn)方法抓取成功率由99.50%(PID控制95.00%,文獻(xiàn)[21] 98.25%)僅降至94.50%(PID控制降為79.50%,文獻(xiàn)[21]降為91.00%),試驗(yàn)方法具有最高的抓取成功率,能夠應(yīng)對(duì)目標(biāo)的變化和外部干擾,提高協(xié)作機(jī)器人的抓取成功率,對(duì)食品自動(dòng)化生產(chǎn)具有一定的參考價(jià)值。雖然試驗(yàn)所提方法在食品動(dòng)態(tài)目標(biāo)抓取中的效果較好,但仍有一些研究需要不斷完善,如后續(xù)可以進(jìn)行多機(jī)器人協(xié)作,進(jìn)一步提高抓取的成功率。