20230615

Data-Driven Motion-Force Control Scheme for Redundant Manipulators: A Kinematic Perspective 论文阅读笔记

技术内容

• Data-Driven 数据驱动

• Redundant manipulators 冗余操纵器（机械臂？）

• Kinematic control 运动学控制

• RNN 循环神经网络

• Motion-force control

英文叙述技巧

• this article proposes … 本文提出
• the key contribution of this article … 本文的关键是
• conventional industrial robots 传统工业机器人
• resolution 解决方案

个人理解

Abstract

Introduction

段落开头引入DOFs自由度概念，强调冗余机械臂的自由度比一般机器人自由度要高，接着描述多余的自由度是用于干什么的，（obstacle avoidance,排除故障；singularity avoidance，奇点回避；minimizing the system energy consumption，减少系统能耗）解决这些问题。

冗余机械臂有两种控制方案，一种是运动控制（motion control）,另一种是force control（力控制）

• 运动控制（motion control）

对于运动控制，文中说明要想让机器人或者机械臂等装置按照预定轨迹精确的运行，在运行过程中程中就要尽可能少（即最好没有）的发生接触。根据此观点引出运动控制的核心问题是计算实时的控制命令，用以驱装置按照预定轨迹运动。

按照现有的机器人模型可知，机械臂可以通过角度，速度，加速度角度在关节和笛卡尔空间中进行控制

叙述现有的解决方法：Zhang和Yan从优化的角度研究了冗余机械臂的运动规划问题，并将控制问题转化为二次规划问题（QP）并由VP-RNNs（变参数递归神经网络）求解。

• 力控制（force control）

对于力控制，文中描述当使用力控制时会导致机械臂与目标物体直接交互，故需要测量相关接触力用以调整实时的接触力，力控制在实际工业应用中可以是切割等。

• 混合动力控制（Hybrid motion-force）

文中提到纯运动控制（motion control）一旦机械臂在预定轨迹中遇到障碍，所产生的位置跟踪误差就会急剧增加，为了回到既定的轨迹路线上减少跟踪误差，会导致机械臂内部内力过大，使得机械臂内部电机关节等部件受损。

这一问题是现有操作机械臂的任务之一，即在混合动-力的控制的条件下，控制操纵机械臂与障碍物之间的力。当机械臂遇到障碍物时，智能的调整预设的运动轨迹，消除机械臂内力作用。

说到此处，引入导纳模型，以及基于导纳模型的自适应控制方法，随后简述了导纳模型并以实例进行叙述。

通过该模型的铺垫，引入调整需要获取当前机械臂状态的信息，但在实际操作中一些数据信息是无法得到的，所以再次引入了一种无模型的双网络用以解决该类问题，通过这种方式可以不需要了解机械臂的一些相关信息（这个双网络系统由两个神经网络组成：一个解析网络和一个评估网络。解析网络接收末端执行器的目标姿态作为输入，并输出相应的关节角度解。评估网络则根据解析网络的输出和末端执行器的实际姿态，评估解的质量。通过训练这两个网络，系统可以自动学习适应不同冗余解决方案的关节配置。）

提出DDMFC（data-driven-based motion-force control）方案，通过数据驱动实现控制机械臂，通过RNN求解DDMFC方案中的解。

2023.06.16

文章进入理论公式的描述和推到，因为没接触过，所以在补课…