基于手持導(dǎo)航器的協(xié)作機(jī)器人引導(dǎo)控制技術(shù)研究

洪?鷹，匡加倫，肖聚亮，王云鵬，趙?煒，王?健，張陽陽，孫譽(yù)博

基于手持導(dǎo)航器的協(xié)作機(jī)器人引導(dǎo)控制技術(shù)研究

洪?鷹1, 2，匡加倫1, 2，肖聚亮1, 2，王云鵬1, 2，趙?煒1, 2，王?健1, 2，張陽陽1, 2，孫譽(yù)博1, 2

(1. 天津大學(xué)機(jī)械工程學(xué)院，天津 300350；2. 天津大學(xué)機(jī)構(gòu)理論與裝備設(shè)計(jì)教育部重點(diǎn)實(shí)驗(yàn)室，天津 300350)

現(xiàn)今實(shí)際的制造生產(chǎn)工作給機(jī)器人的交互性和協(xié)作性提出了越來越高的要求，傳統(tǒng)的基于機(jī)器人示教器控制的交互技術(shù)已經(jīng)越來越難以滿足這些需求．為此，提出了一種新型的引導(dǎo)控制技術(shù)，采用了基于力/力矩識別的手持導(dǎo)航器，并開發(fā)出了可以實(shí)現(xiàn)快、慢速控制相互轉(zhuǎn)換的引導(dǎo)控制模式．首先，對導(dǎo)航器的原始數(shù)據(jù)進(jìn)行讀取和解析，獲得其自身的坐標(biāo)系，建立和機(jī)器人的映射關(guān)系，并通過標(biāo)定得出其輸出數(shù)據(jù)與所受力/力矩之間的定量關(guān)系．其次，為減少操控過程中操作者的生理抖動和噪聲的影響，引入卡爾曼濾波來對其狀態(tài)進(jìn)行最優(yōu)估計(jì)．然后，為實(shí)現(xiàn)多控制模式的轉(zhuǎn)換，建立變導(dǎo)納控制模型，通過最小二乘法獲得交互力的變化率，從而確定人機(jī)交互過程中的導(dǎo)納參數(shù)，進(jìn)而選取符合操作者意圖的控制模式．最后，通過實(shí)驗(yàn)有效地驗(yàn)證了該方法在人機(jī)交互應(yīng)用中具備較高的可行性和通用性．

手持導(dǎo)航器；協(xié)作機(jī)器人；變導(dǎo)納控制模型；引導(dǎo)控制

傳統(tǒng)的基于機(jī)器人示教器控制的人機(jī)交互技術(shù)存在效率低下、專業(yè)門檻高等問題[1]，難以滿足現(xiàn)今的工作生產(chǎn)需求，所以機(jī)器人交互技術(shù)正向著提高交互友好性的方向發(fā)展，通過將人置為核心，從原來的人適應(yīng)機(jī)器過渡到機(jī)器適應(yīng)人的階段，并把人的感知和語言等能力同計(jì)算機(jī)強(qiáng)大的計(jì)算能力有機(jī)結(jié)合在一起，從而充分反映人的意識形態(tài)[2]，而引導(dǎo)控制技術(shù)就是其中一個(gè)發(fā)展方向[3-4]．

機(jī)器人引導(dǎo)控制是通過操作設(shè)備將人的意圖轉(zhuǎn)換為機(jī)器人的輸入，因此獲得人的意圖是實(shí)現(xiàn)引導(dǎo)控制的前提．目前協(xié)作機(jī)器人引導(dǎo)控制方案主要有基于力矩補(bǔ)償算法的無傳感器控制方案和有傳感器的控制方案，而有傳感器的控制方案又可以分為基于多維力傳感器和基于關(guān)節(jié)力矩傳感器兩種控制方案．黎意楓[5]采用基于模型辨識的方法對機(jī)器人進(jìn)行力矩補(bǔ)償，從而獲得較為精準(zhǔn)的動力學(xué)模型，最終完成了力矩補(bǔ)償算法的引導(dǎo)控制．蔡力剛等[6]提出一種基于剛度控制的機(jī)器人零力跟蹤模型，通過剛度矩陣將力信號轉(zhuǎn)換成位置增量，輸入到機(jī)器人位置控制器，并設(shè)計(jì)了一種軌跡預(yù)測引導(dǎo)示教方法．Lee等[7]在機(jī)器人末端設(shè)計(jì)了引導(dǎo)控制裝置，用一個(gè)六維力傳感器感知操作者施加的力，引導(dǎo)機(jī)器人移動，并用另一個(gè)六維力傳感器檢測末端執(zhí)行器與工件的接觸力，對末端的位姿進(jìn)行修正．Lee等[8]也設(shè)計(jì)了兩種不同的引導(dǎo)控制裝置：一種采用滑動機(jī)構(gòu)和位置傳感器組合的方式通過算法得到末端執(zhí)行器軸線方向的位移補(bǔ)償量，來調(diào)整機(jī)器人位姿，在淬火工藝中得到應(yīng)用；另一種采用裝有2個(gè)力矩傳感器的手柄來獲取操作者的交互力和環(huán)境接觸力，最終應(yīng)用到了玻璃墻安裝方向．Neto等[9]提出基于安裝在人手臂上的加速度傳感器的引導(dǎo)控制方法，通過人工神經(jīng)網(wǎng)絡(luò)算法辨識手臂的位姿，轉(zhuǎn)換成機(jī)器人的輸入來控制機(jī)器人．Park等[10]設(shè)計(jì)了一款各關(guān)節(jié)安裝有關(guān)節(jié)力矩傳感器的六自由度機(jī)器人來實(shí)現(xiàn)引導(dǎo)控制功能．

本文借鑒現(xiàn)有的協(xié)作機(jī)器人引導(dǎo)控制研究成果，認(rèn)為基于多維力傳感器的控制方案無需改變機(jī)器人的本體結(jié)構(gòu)和底層控制算法，無論是串聯(lián)機(jī)器人還是并聯(lián)機(jī)器人均可適用，具有很高的通用性．但多維力傳感器配套設(shè)備較多，機(jī)器人的運(yùn)動容易受到線纜的束縛；且其多安裝于機(jī)器人的末端，往往會和末端執(zhí)行器的安裝位置產(chǎn)生沖突，同時(shí)也無法實(shí)現(xiàn)遠(yuǎn)距離操控，所以本文提出采用基于力/力矩識別的手持導(dǎo)航器來控制機(jī)器人．該導(dǎo)航器結(jié)構(gòu)簡單，組件較少，無需擔(dān)心安裝問題，對環(huán)境要求較低；其與上位機(jī)采用無線通訊方式，所以可實(shí)現(xiàn)遠(yuǎn)、近距離兩種引導(dǎo)控制方式；且導(dǎo)航器成本較低，易于推廣和應(yīng)用．本文的控制方案針對引導(dǎo)控制中如何切換控制模式的問題，開發(fā)了變導(dǎo)納控制模型，可以根據(jù)操作者施加力的變化趨勢，確定人機(jī)交互過程中的導(dǎo)納參數(shù)，進(jìn)而選擇不同速度和精度的控制模式．而為了使控制過程更加柔順，減少噪聲和操作者抖動帶來的誤差影響，本文采用卡爾曼濾波對從導(dǎo)航器獲取的數(shù)據(jù)進(jìn)行處理.

本文的構(gòu)成如下：第1部分是導(dǎo)航器概述與機(jī)器人的坐標(biāo)映射；第2部分對手持導(dǎo)航器進(jìn)行開發(fā)，包括對其進(jìn)行標(biāo)定，得出力/力矩與輸出數(shù)據(jù)之間的定性關(guān)系；第3部分是應(yīng)用卡爾曼濾波處理導(dǎo)航器獲取的數(shù)據(jù)；第4部分建立變導(dǎo)納控制模型；最后一部分是驗(yàn)證本文引導(dǎo)控制實(shí)用性的實(shí)驗(yàn)．

1?方案概述和坐標(biāo)映射

本文采用的是實(shí)驗(yàn)室自行設(shè)計(jì)的手持導(dǎo)航器．該設(shè)備由導(dǎo)航器本體和無線USB接收器組成，具有6個(gè)自由度．如圖1所示，操作者可以在導(dǎo)航器上的6個(gè)方向輕輕施加力或者力矩，使導(dǎo)航器頂部發(fā)生微小的平動或者轉(zhuǎn)動，內(nèi)部光學(xué)傳感元件檢測相應(yīng)方向的形變量．

圖1?手持導(dǎo)航器的6個(gè)自由度

導(dǎo)航器可以將操作者施加的力和力矩(F，F，F，M，M，M)轉(zhuǎn)換為各個(gè)自由度上的輸出數(shù)據(jù)，并把這些數(shù)據(jù)轉(zhuǎn)換為速度值，發(fā)給機(jī)器人控制器，從而實(shí)現(xiàn)對機(jī)器人的控制．本文的機(jī)器人引導(dǎo)控制符合力控領(lǐng)域里的導(dǎo)納控制模式，在固定導(dǎo)納的控制模式下，由于在導(dǎo)航器上獲取的輸出數(shù)據(jù)和施加的力/力矩呈正比例關(guān)系，所以傳給機(jī)器人的速度值就是操作者施加的交互力的線性反映．一方面，在機(jī)器人加速啟動過程中，要求機(jī)器人能夠快速啟動并達(dá)到預(yù)定的速度值，而在減速停止過程中，則要求機(jī)器人快速地停止．在這種情況下，與施加力始終呈線性對應(yīng)的速度顯然不利于運(yùn)動控制的快速性和柔順性．另一方面，機(jī)器人控制過程中，會面臨各種不同的任務(wù)和工作．有時(shí)需要機(jī)器人快速運(yùn)動到指定位置或者靈活地完成某種動作，這類任務(wù)往往不需要較高的精度；而有時(shí)則需要機(jī)器人完成較為精準(zhǔn)的操控，這種任務(wù)往往需要機(jī)器人在一個(gè)較為低速的情況下運(yùn)動．若導(dǎo)納參數(shù)能根據(jù)任務(wù)的不同進(jìn)行動態(tài)規(guī)劃調(diào)整，則控制性能明顯好于固定導(dǎo)納參數(shù)的控制模式[11]．

針對上述情況，本文建立了一個(gè)基于力/力矩變化率觀測的變導(dǎo)納控制模型，來應(yīng)對控制過程中提出的不同的任務(wù)要求．圖2展示了模型的整體流程．如圖3所示，本文引導(dǎo)控制技術(shù)根據(jù)坐標(biāo)系不同分為兩種模式，分別是世界坐標(biāo)系下的控制模式和工具坐標(biāo)系下的控制模式．

圖2?整體流程

圖3?坐標(biāo)映射

將手持導(dǎo)航器置于實(shí)驗(yàn)平臺，機(jī)器人運(yùn)動參考坐標(biāo)系為機(jī)器人的基坐標(biāo)系．從導(dǎo)航器到基坐標(biāo)系映射的轉(zhuǎn)換方程為

將手持導(dǎo)航器置于機(jī)器人末端，機(jī)器人運(yùn)動參考坐標(biāo)系為末端工具坐標(biāo)系．從導(dǎo)航器到工具坐標(biāo)系的轉(zhuǎn)換方程為

將經(jīng)過卡爾曼濾波器和變導(dǎo)納控制模型處理后獲得的導(dǎo)航器數(shù)據(jù)，分別與上述的轉(zhuǎn)換矩陣相乘，即可得到不同坐標(biāo)系下機(jī)器人的運(yùn)動速度．

2?導(dǎo)航器標(biāo)定

常見的力/力矩傳感器標(biāo)定方案要求嚴(yán)格，且大多都需要解耦[12]，所以對標(biāo)定系統(tǒng)要求特別高，多采用“滑輪-砝碼”標(biāo)定方法，并定制專門的試驗(yàn)臺[13]，單方向和復(fù)合方向加載力/力矩．而手持導(dǎo)航器的輸出數(shù)據(jù)已經(jīng)實(shí)現(xiàn)了解耦，無需再進(jìn)行復(fù)合方向加載?力/力矩．

用推拉力計(jì)在導(dǎo)航器的頂部各方向加載力/力矩，計(jì)算機(jī)采集導(dǎo)航器輸出的形變量數(shù)據(jù)，然后進(jìn)行分析得出力/力矩與輸出數(shù)據(jù)之間的關(guān)系．導(dǎo)航器的量程如表1所示．

表1?導(dǎo)航器各自由度的量程

Tab.1?Range of each DOF of the navigator

將標(biāo)定得到的數(shù)據(jù)輸入到MATLAB軟件中，每個(gè)自由度上的輸出數(shù)據(jù)被量化為范圍在[－350，350]之間的整數(shù)，并作出單自由度方向加載的力/力矩與手持導(dǎo)航器輸出數(shù)據(jù)所代表的形變量(，，，R，R，R)之間擬合曲線．圖4分別為、、向擬合曲線，圖5分別為R、R、R向擬合曲線．

從擬合曲線可以看出，各自由度力/力矩與輸出數(shù)據(jù)在、、、R和R方向?yàn)榉侄蔚囊淮魏瘮?shù)關(guān)系，在R方向?yàn)榉侄蔚亩魏瘮?shù)關(guān)系．可以認(rèn)為，手持導(dǎo)航器在各方向獲取的數(shù)據(jù)值與施加的力/力矩呈正比例關(guān)系．因此，可以確定導(dǎo)航器能夠線性地反映操作者施加的力和力矩．

圖4?力擬合曲線

圖5?力矩?cái)M合曲線

3?卡爾曼濾波

為提高人機(jī)交互的穩(wěn)定性和柔順性，要求機(jī)器人運(yùn)動的速度曲線盡可能平滑，較大的速度突變會導(dǎo)致機(jī)器人的抖動，影響人機(jī)交互的正常進(jìn)行．為解決由于手持導(dǎo)航器的剛度不如多維力傳感器、操作者的輕微抖動導(dǎo)致的較大數(shù)據(jù)偏差，以及測量時(shí)噪聲的影響，且由于導(dǎo)航器測量時(shí)的系統(tǒng)噪聲和測量噪聲均符合高斯分布，力和力矩參數(shù)值都是線性的，所以本文采用卡爾曼濾波來消除這些誤差．

卡爾曼濾波法是一種根據(jù)前一時(shí)刻的狀態(tài)來推測當(dāng)前時(shí)刻狀態(tài)的算法[14]，其要求模型是線性隨機(jī)微分系統(tǒng)，即

將手持導(dǎo)航器獲取的交互力參數(shù)和力矩參數(shù)(FFFMMM)代入上述公式中，設(shè)置好相應(yīng)的不確定度值，即可得到本時(shí)刻的最優(yōu)估計(jì)參數(shù)，該值綜合了本時(shí)刻的測量值和前一時(shí)刻的預(yù)測值，是經(jīng)過消除誤差影響后較為準(zhǔn)確的數(shù)據(jù)．

4?變導(dǎo)納控制模型

為了實(shí)現(xiàn)機(jī)器人在快速靈活和慢速精準(zhǔn)這兩種控制模式的隨意切換以及實(shí)現(xiàn)控制過程中的快速啟停，本文建立了變導(dǎo)納控制模型．在人機(jī)交互領(lǐng)域，力控制器主要采用Hogan[15]提出的阻抗控制和導(dǎo)納控制兩種模型．阻抗控制是將位置作為系統(tǒng)輸入，將力作為系統(tǒng)輸出；而導(dǎo)納控制則是將交互力作為系統(tǒng)輸入，將機(jī)器人的位置或者速度作為系統(tǒng)輸出．對于本文提出的引導(dǎo)控制模型而言，將人施加的力/力矩作為輸入，進(jìn)而控制機(jī)器人運(yùn)動速度，符合上述的導(dǎo)納控制模型．一維導(dǎo)納控制模型可以描述為

對于關(guān)節(jié)坐標(biāo)系而言，導(dǎo)納模型可以改寫為

當(dāng)操作者操縱機(jī)器人時(shí)，人機(jī)交互的可操作性是由虛擬阻尼所決定的．當(dāng)虛擬阻尼處于一個(gè)較小的數(shù)值時(shí)，操作者手部只需提供一個(gè)很小的力，即可操控機(jī)器人完成快速、靈活的運(yùn)動．該方式帶來的缺陷則是控制精度較低，可控性不高；而當(dāng)虛擬阻尼處于一個(gè)較大數(shù)值時(shí)，操作者也相應(yīng)地需要提供較大的力，來控制機(jī)器人完成精準(zhǔn)且慢速的動作．在完成一項(xiàng)完整的工作時(shí)，往往需要這兩種控制方式結(jié)合起來，因此該變導(dǎo)納模型需要在不同的任務(wù)需求間進(jìn)行快速和智能化地選擇合適的虛擬阻尼參數(shù)．為實(shí)現(xiàn)上述功能，本文建立的虛擬阻尼與操作者施加力變化的關(guān)系模型如下：

根據(jù)最小二乘法，總誤差為

5?實(shí)?驗(yàn)

5.1?協(xié)作機(jī)器人D-H參數(shù)

本實(shí)驗(yàn)采用的是實(shí)驗(yàn)室研發(fā)的10kg負(fù)載的串聯(lián)協(xié)作機(jī)器人，其D-H參數(shù)如表2所示．

表2?機(jī)器人D-H參數(shù)

Tab.2?D-Hparameters of the robot

5.2?實(shí)驗(yàn)方案

實(shí)驗(yàn)1?本文將基于手持導(dǎo)航器的引導(dǎo)控制方法與本實(shí)驗(yàn)室研究的基于參數(shù)辨識算法的無傳感器的引導(dǎo)控制方法進(jìn)行對比[17]．如圖6所示，要求機(jī)器人在相同的姿態(tài)下以相同的速度在、、方向上進(jìn)行平穩(wěn)運(yùn)動，并使用推拉力計(jì)采集操作者對導(dǎo)航器和機(jī)器人末端所施加的力，進(jìn)行多次實(shí)驗(yàn)并求平均值進(jìn)行對比．基于手持導(dǎo)航器的引導(dǎo)控制為方案1，基于參數(shù)辨識的引導(dǎo)控制為方案2．

實(shí)驗(yàn)2?為驗(yàn)證變導(dǎo)納模型的控制效果，如圖7所示，操作者將手持導(dǎo)航器置于機(jī)器人的末端關(guān)節(jié)處進(jìn)行引導(dǎo)式的人機(jī)交互．機(jī)器人的末端裝有一個(gè)柱狀零件，本實(shí)驗(yàn)要求該零件頂端沿著頂面邊長為180mm的長方體模擬工件邊緣進(jìn)行平穩(wěn)移動．機(jī)器人從工作空間的遠(yuǎn)端出發(fā)，先運(yùn)動到模擬工件的一個(gè)頂點(diǎn)，然后沿著＋、＋、－和－的次序在工件的上表面邊緣運(yùn)動一周后回到起始的頂點(diǎn)，從而完成整個(gè)交互過程．實(shí)驗(yàn)要求機(jī)器人首先快速到達(dá)模擬工件的頂點(diǎn)，然后嚴(yán)格地沿其邊緣進(jìn)行穩(wěn)定且低速的運(yùn)動，不能有任何偏離預(yù)定軌跡的情況出現(xiàn)．這對機(jī)器人運(yùn)動的柔順性和可控性提出了較高的要求．由于該實(shí)驗(yàn)?zāi)M了實(shí)際生產(chǎn)中產(chǎn)品涂膠的過程，所以要求機(jī)器人的速度平穩(wěn)而且緩慢．為驗(yàn)證變導(dǎo)納控制模型的實(shí)用性，本文還設(shè)計(jì)了固定導(dǎo)納下的控制模式作為對比實(shí)驗(yàn)，在該模式下，導(dǎo)納參數(shù)始終保持固定．

圖7?實(shí)驗(yàn)環(huán)境

5.3?結(jié)果分析

表3所示為實(shí)驗(yàn)1中基于導(dǎo)航器引導(dǎo)控制的交互力和基于參數(shù)辨識的無傳感器引導(dǎo)控制交互力的對比情況．可以看出，實(shí)驗(yàn)1各方向的交互力均小于實(shí)驗(yàn)2，因此本文提出的方法引導(dǎo)機(jī)器人運(yùn)動更加容易，具有更高的靈活性．

表3?引導(dǎo)控制交互力對比

Tab.3?Comparison of guide control interaction force

實(shí)驗(yàn)2中的卡爾曼濾波器處理數(shù)據(jù)的效果如圖8所示，實(shí)驗(yàn)過程中的速度分布如圖9所示，固定導(dǎo)納和變導(dǎo)納控制模式的速度對比曲線如圖10所示．

從圖8中可以看出，在整個(gè)交互過程中，人手的抖動和環(huán)境噪聲始終存在，嚴(yán)重影響了機(jī)器人控制.本實(shí)驗(yàn)所采用的卡爾曼濾波器，很大程度上消除了抖動和外界的噪聲影響，使速度曲線更加順滑，使得機(jī)器人運(yùn)動得更加平穩(wěn)和柔順，提高了人機(jī)的交互性.

圖8?卡爾曼濾波效果

圖9是機(jī)器人在變導(dǎo)納控制模型下各個(gè)運(yùn)動階段的速度分布情況．快速對齊階段軌跡上的曲線反映了該階段的速度變化情況，而工件各表面的速度曲線分別反映了在工件表面邊緣運(yùn)動的速度變化情況.

圖9?速度分段示意

圖10是完成整個(gè)控制過程后得到的速度曲線對比．圖10(a)為固定導(dǎo)納下的速度曲線，圖10(b)是可變導(dǎo)納下的速度曲線．固定導(dǎo)納下，交互過程耗時(shí)319ms，而可變導(dǎo)納模型下，交互過程總共用時(shí)334ms．本實(shí)驗(yàn)選取了世界坐標(biāo)系下的速度變化曲線加以研究討論．不難看出，在前80ms的運(yùn)動過程，兩種方案的運(yùn)動速度情況幾乎是一致的，這對應(yīng)了實(shí)驗(yàn)要求中的機(jī)器人和工件頂點(diǎn)快速對齊的運(yùn)動．在第2個(gè)運(yùn)動階段，要求機(jī)器人沿工件邊緣運(yùn)動得盡可能平穩(wěn)和柔順．但是從圖10中可以看出，固定導(dǎo)納控制下在80ms以后的速度曲線的波峰和波谷都存在較大的波動，而可變導(dǎo)納控制下的波峰和波谷則相對較為穩(wěn)定和平順．說明相較于固定導(dǎo)納控制，變導(dǎo)納模型控制下的機(jī)器人在低速運(yùn)動時(shí)更加穩(wěn)定和柔順．圖10(b)還反映出，在80ms后的、向的正負(fù)方向加速過程中，加速曲線較為平緩，加速度較小，從而使變導(dǎo)納模型自動切換到導(dǎo)納較大的模式，實(shí)現(xiàn)低速平穩(wěn)運(yùn)動．從圖10(b)中近乎直線的峰值和谷值可以看出，由于變導(dǎo)納模型的使用，操作者可以緩慢提升導(dǎo)航器的形變量，最后始終保持在最大形變下進(jìn)行慢速穩(wěn)定的運(yùn)動．而在固定導(dǎo)納的方案里，操作者只能采取施加較小力的控制方式，但由于導(dǎo)航器的剛度較小，這就導(dǎo)致了操作者難以精準(zhǔn)地控制力和形變量的大小，從而無法實(shí)現(xiàn)既低速又平穩(wěn)的運(yùn)動控制．

圖10?速度曲線對比

6?結(jié)?語

對機(jī)器人而言，提高機(jī)器人的交互性和協(xié)作性一直是機(jī)器人研究的重要方向．本文以串聯(lián)機(jī)器人的引導(dǎo)控制為研究對象，提出了一種基于手持導(dǎo)航器的引導(dǎo)控制技術(shù)，該技術(shù)將機(jī)器人末端與導(dǎo)航器實(shí)現(xiàn)運(yùn)動映射，采用卡爾曼濾波器對噪聲和抖動進(jìn)行濾波處理，并建立變導(dǎo)納控制模型，實(shí)現(xiàn)了機(jī)器人控制過程中快速運(yùn)動和慢速精準(zhǔn)運(yùn)動模式之間的任意切換．實(shí)驗(yàn)結(jié)果表明，變導(dǎo)納模型相較于固定導(dǎo)納控制模型，在引導(dǎo)控制過程中能使機(jī)器人運(yùn)動得更加柔順和穩(wěn)定；而且基于力、力矩變化率觀測的變導(dǎo)納模型可以按照操作者的意圖快速選取相應(yīng)的控制模式，對提高人機(jī)交互技術(shù)的多樣性有著重要意義．

［1］ 黎潤偉. 面向復(fù)雜曲面加工的工業(yè)機(jī)器人離線編程系統(tǒng)研究[D]. 廣州：華南理工大學(xué)機(jī)械與汽車工程學(xué)院，2014.

Li Runwei. Research on Off-line Programming System of Industrial Robot for Complex Surface Processing[D]. Guangzhou：School of Mechanical and Automotive Engineering，South China University of Technology，2014(in Chinese).

［2］ 沈靖皓. 基于手勢引導(dǎo)的工業(yè)機(jī)器人示教技術(shù)研究及應(yīng)用[D]. 杭州：浙江大學(xué)機(jī)械工程學(xué)院，2017.

Shen Jinghao. Gesture Guided Industrial Robot Teaching Technology and Its Application[D]. Hangzhou：School of Mechanical Engineering，Zhejiang University，2017(in Chinese).

［3］ Asada H，Izumi H. Direct teaching and automatic program generation for the hybrid control of robot manipulators[C]//1987 IEEE International Conference on Robotics and Automation. New York，USA，1987：1401-1406.

［4］ Fukuda T，Nakaoka M，Ueyama T，et al. Direct teaching and error recovery method for assembly task based on a transition process of a constraint condition[C]//2001 IEEE International Conference on Robotics and Automation. New York，USA，2001：1518-1523.

［5］ 黎意楓. 免力矩傳感器的機(jī)器人直接示教技術(shù)研究[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)航天學(xué)院，2016.

Li Yifeng. Research on Force-Sensorless Direct Teaching of Robot[D]. Harbin：School of Astronautics，Harbin Institute of Technology，2016(in Chinese).

［6］ 蔡力鋼，柳英杰，劉志峰，等. 基于剛度控制的六軸工業(yè)機(jī)器人零力跟蹤模型[J]. 北京工業(yè)大學(xué)學(xué)報(bào)，2017，43(7)：1037-1044.

Cai Ligang，Liu Yingjie，Liu Zhifeng，et al. Force-free control model for six axis industrial robot based on stiffness control[J]. Journal of Beijing University of Technology，2017，43(7)：1037-1044(in Chinese).

［7］ Lee S H，Li C J，Kim D H，et al. The direct teaching and playback method for robotic deburring system using the adaptive force-control[C]//2009 IEEE International Symposium on Assembly and Manufacturing. New York，USA，2009：235-240.

［8］ Lee S，Song C，Kim K. Design of robot direct-teaching tools in contact with hard surface[C]//2009 International Symposium on Assembly and Manufacturing. New York，USA，2009：231-234.

［9］ Neto P，Pires J N，Moreira A P. Accelerometer-based control of an industrial robotic arm[C]// The 18th IEEE International Symposium on Robot and Human Interactive Communication. New York，USA，2009：1192-1197.

［10］ Park C，Kyung J H，Do M H，et al. Development of direct teaching robot system[C]//2011 8th International Conference on Ubiquitous Robots and Ambient Intelligence. New York，USA，2011：730-732.

［11］ Arimoto S，Han H Y，Cheah C C，et al. Extension of impedance matching to nonlinear dynamics of robotic tasks[J]. Systems & Control Letters，1999，36(2)：109-119.

［12］ 鄭紅梅. 機(jī)器人多維腕力傳感器靜、動態(tài)性能標(biāo)定系統(tǒng)的研究[D]. 合肥：合肥工業(yè)大學(xué)機(jī)械工程學(xué)院，2007.

Zheng Hongmei. Research on the Static and Dynamic Performance Calibration System for Robots Multi-Axis Wrist Force Sensor[D]. Hefei：School of Mechanical Engineering，Hefei University of Technology，2007(in Chinese).

［13］ 張立建，胡瑞欽，易旺民，等. 基于六維力傳感器的工業(yè)機(jī)器人末端負(fù)載受力感知研究[J]. 自動化學(xué)報(bào)，2017，43(3)：439-447.

Zhang Lijian，Hu Ruiqin，Yi Wangmin，et al. Research on force sensing for the end-load of industrial robot based on a 6-axis force/torque sensor[J]. Acta Automatica Sinica，2017，43(3)：439-447(in Chinese).

［14］ Kim M H，Lee S，Lee K C. Kalman predictive redundancy system for fault tolerance of safety-critical systems[J]. IEEE Transactions on Industrial Informatics，2010，6(1)：46-53.

［15］ Hogan N. Impedance control：An approach to manipulation[J]. Journal of Dynamic Systems Measurement and Control，1985，107：1-24.

［16］ 丁克良，沈云中，歐吉坤. 整體最小二乘法直線擬合[J]. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，29(1)：44-47.

Ding Keliang，Shen Yunzhong，Ou Jikun. Methods of line-fitting based on total least-squares[J]. Journal of Liaoning Technical University：Natural Science，2010，29(1)：44-47(in Chinese).

［17］ Xiao Juliang，Zeng Fan，Zhang Qiulong，et al. Research on the forcefree control of cooperative robots based on dynamic parameters identification[J]. The Industrial Robot，2019，46(4)：499-509.

Research on the Guide Control Technology of a Cooperative Robot Based on a Handheld Navigator

Hong Ying1, 2，Kuang Jialun1, 2，Xiao Juliang1, 2，Wang Yunpeng1, 2，Zhao Wei1, 2，Wang Jian1, 2，Zhang Yangyang1, 2，Sun Yubo1, 2

(1. School of Mechanical Engineering，Tianjin University，Tianjin 300350，China；2. Key Laboratory of Mechanism Theory and Equipment Design of Ministry of Education，Tianjin University，Tianjin 300350，China)

Manufacturing has created stricter requirements for the interaction and cooperation of robots，which have been difficult for traditional robot interaction technologies to meet．In this paper，a new guide control technology is proposed that uses a handheld navigator based on force/torque recognition，and a guide control mode that realizes the conversion of fast and slow control was developed．The original data of the navigator was read and analyzed，its own coordinate system obtained，the mapping relationship with the robot established，and the quantitative relationship between the output data and the force/torque was obtained by calibration．Then，to reduce the influence of physiological jitter and noise of the operators in the process of manipulation，Kalman filter was introduced to optimize the state of operators．To realize the transformation of the multi-control mode，the variable admittance control model was established．The change rate of the interaction force was obtained using least square method，the admittance parameters in the process of the human-robot interaction were determined，and then the control mode in accordance with the operator’s intention was selected．Finally，the feasibility and universality of the method in a human-robot interaction application was experimentally verified．

handheld navigator；cooperative robot；variable admittance control model；guide control

TP242.2

A

0493-2137(2020)11-1183-08

10.11784/tdxbz201909001

2019-09-01；

2019-11-08.

洪?鷹（1962—??），男，博士，副教授，hying1122@126.com.

肖聚亮，tjxjl@tju.edu.cn.

天津市智能制造重大專項(xiàng)資助項(xiàng)目(16ZXZNGX00140).

Supported by the Major Projects of Tianjin Intelligent Manufacturing Science and Technology(No.16ZXZNGX00140).

(責(zé)任編輯：金順愛)