基于观测器的机器人力控制与空间负载惯性补偿相结合

《Control Engineering Practice》:Combined observer-based robotic force control with spatial payload inertia compensation

【字体: 大 中 小 】 时间:2026年09月23日 来源:Control Engineering Practice 5.3

编辑推荐:

   **摘要** 精确的力感知和鲁棒的扰动抑制是稳定且精确的机器人接触任务的基础。本文提出了一种基于组合观测器的机器人力控制框架,用于补偿空间负载惯性并在力环内抑制扰动。开发了一种空间负载动量观测器 (SPMO),用于将负载的惯性效应与时力/扭矩传感器解耦。该观测器利用空间动力

  

**摘要**

精确的力感知和鲁棒的扰动抑制是稳定且精确的机器人接触任务的基础。本文提出了一种基于组合观测器的机器人力控制框架,用于补偿空间负载惯性并在力环内抑制扰动。开发了一种空间负载动量观测器 (SPMO),用于将负载的惯性效应与时力/扭矩传感器解耦。该观测器利用空间动力学,并提供具有明确特征的一阶低通滤波接触力/力矩估计,避免了数值微分带来的噪声。集成到解耦运动力控制结构中,设计了一种组合观测器 (CDOB),该观测器考虑了力子空间动力学和感知滤波,以补偿控制扰动。该设计缓解了现有力扰动抑制方法中瞬态响应与控制稳定性之间的固有权衡。在 3.5kg 负载和电动砂轮机下的仿真和实验验证了该框架,包括展示其空间补偿能力的双轴力控制。与常规方法相比,SPMO 在估计延迟和噪声水平之间实现了良好的权衡,而 CDOB 则实现了快速且鲁棒的扰动抑制,同时未损害瞬态力控制性能。

**引言**

精确的接触力控制是力矩控制机器人在广泛任务中与人及环境安全交互的基础。图 1 说明了工业制造中的一个典型应用,即表面抛光。其性能依赖于工具中心点 (TCP) 处接触力的准确估计以及抑制运行过程中产生的扰动的能力。虽然可以通过使用基于动量的观测器估计外部力矩来实现无传感器碰撞检测 (De Luca and Mattone, 2005),但它依赖于准确的机器人动力学模型和非奇异工作空间 (Van Damme et al., 2011),这在精确力控制应用中无法得到保证,如图 1 所示。六轴力/扭矩 (F/T) 传感器使机器人能够通过同时测量笛卡尔空间中的六轴力/力矩来与环境交互。然而,当负载安装在腕部 F/T 传感器上时,其惯性和重力效应不可避免地与时接触力/力矩耦合,破坏了传感器读数 (Li and Xu, 2024)。此外,高性能力控制系统常受各种动态扰动挑战,包括机器人模型不确定性、摩擦、负载参数误差、传感器噪声和外部接触扰动 (Tang et al., 2024)。消除力感知和控制系统中的扰动对于确保表面抛光质量至关重要。

为了消除负载惯性引起的非接触力和力矩,应识别负载的动力学参数 (Kubus et al., 2008b)。Winkler 和 Suchy (2007) 提出了一种基于加速度传感器在 F/T 测量上进行动力负载惯性力/力矩补偿的方法。该附加传感器可用于负载惯性参数估计和非接触力计算 (Kubus et al., 2008a)。El Dine 等人 (2018) 提出了一种基于递归神经网络的观测器,使用关节位置惯性测量单元 (IMU) 估计非接触力。Kim 等人 (2020) 提出了一种用于 F/T 传感器的自主重量补偿技术,通过惯性测量单元和人工神经网络模型减少测量偏移。Duan 等人 (2022) 开发了一种集成加速度测量的 F/T 传感器,用于识别和补偿负载动力学。然而,上述方案中集成加速度计增加了传感器设计复杂度和成本。有必要研究一种避免加速度感知的准确非接触力补偿方法。代替直接测量加速度,Farsoni 等人 (2017) 使用了基于二阶微分模型的运动学卡尔曼滤波器进行微分,该模型处理末端执行器位姿。这种等效的运动学微分不考虑负载动力学,不可避免地放大了加速度估计噪声。B?tz 等人 (2013) 提出的最先进卡尔曼滤波器结合了负载动力学以及位姿和 F/T 传感器,这减少了测量中末端执行器的惯性效应。尽管如此,卡尔曼滤波器的协方差及其对力反馈的等效滤波效果并不容易评估,这促使我们寻找一种更简单且更确定的力控制方法。

除了力感知扰动外,还存在其他与控制相关的扰动,如模型不确定性、传感器噪声和意外外部接触扰动。不依赖系统模型的积分力控制是一种经典方法,可以消除力阶跃响应中的稳态误差 (Lynch and Park, 2017)。更有效的方法是基于观测器的控制,它通过设计扰动观测器 (DOB) 利用名义系统动力学主动抑制动态扰动 (Chen et al., 2015)。该方法的代表性应用是柔性关节力矩控制中的摩擦观测和补偿,采用名义电机惯量和力矩感知 (Le Tien et al., 2008)。后来,Kim 等人 (2019) 总结了带有力矩测量的柔性关节的 DOB 框架,允许对扰动进行任意阶的等效低通滤波。为了获得受扰动下单自由度 (DOF) 机器人的动态力控制,Sakaino 等人 (2013) 提出了一种基于力的观测器及控制系统,以消除惯性力和建模误差的影响。Sariyildiz 和 Ohnishi (2014) 分析了线性电机基于 DOB 的显式力控制系统的鲁棒性和稳定性。Samuel 等人 (2022) 提出了一种集成 DOB,使用力测量和单自由度过程模型来抑制力扰动,而不损害接触稳定性。关节空间 DOB 在多轴操作器上的应用依赖于操作器动力学模型进行扰动观测 (Ren et al., 2018)。主动扰动抑制已在操作器运动控制中显示出良好的性能 (Li et al., 2020)。

尽管 DOB 已被广泛应用于单自由度力控制和操作器运动控制,但很少应用于机器人操作器的直接力控制。主要原因是运动力控制子空间的动力学是耦合的,这使得很难单独设计力子空间 DOB。在各类运动力控制中,基于计算力矩控制的统一方法完全解耦笛卡尔空间,并将每个子空间整形为单位质量系统 (Khatib, 2003)。统一方法可用于设计力主动观测器,以补偿等效于系统输入的扰动 (Santos and Cortes?o, 2018)。但 Dietrich 等人 (2021) 指出不当的惯性整形会放大动力学不确定性并放大传感器噪声,使得统一方法对工业应用不够鲁棒。基于无源性的解耦策略 (Wu et al., 2022) 完全解耦运动和力子空间,比统一方法提供更高的稳定性。然而,对于解耦力控制,只需要消除从运动到力子空间的耦合。Lynch 和 Park (2017) 提出的基于力/力矩投影的方法分别计算运动力控制力/力矩,并使用从约束动力学导出的投影矩阵将它们组合。为了解决该方法中剩余的运动力耦合,Iskandar 等人 (2023) 提出了一种混合力阻抗控制,以补偿力子空间内的耦合效应。由于每种使用力反馈的解耦方法都可以通过阻抗控制中的惯性整形来概括,混合力阻抗控制等效于部分解耦的惯性整形,它在解耦力控制系统的同时保持运动子空间中的名义惯性 (Tang et al., 2024)。解耦提供了独立的过程模型用于设计力子空间 DOB 和控制系统。

基于观测器的方法已被广泛应用于机器人和控制系统的扰动抑制和状态估计。然而,现有方法通常分别处理负载惯性补偿和力环扰动抑制。本文提出了一种统一框架,在单一架构中共同考虑力感知和控制。本文的主要贡献总结如下:
• 提出了一种空间负载动量观测器 (SPMO),用于负载惯性补偿和接触力/力矩估计。该观测器直接利用负载空间动力学,具有明确的一阶滤波特性,并避免了加速度测量或数值微分产生的加速度。
• 开发了一种组合力感知和扰动观测器,通过明确地将 SPMO 的滤波动力学纳入基于解耦力动力学的力子空间 DOB 中,在保持力控制性能的同时改善了扰动抑制。
• 将提出的观测器框架集成到解耦运动力控制器中,并通过仿真和实验进行了验证,包括使用 3.5 kg 铜负载和电动砂轮机的抛光测试,以及展示空间能力的双轴力控制测试。在所有测试中均始终实现了优异的接触力/力矩估计和力跟踪。

与最相关工作本质的区别如下:文献中的动量观测器 (De Luca and Mattone, 2005) 是在关节空间制定的,使用完整的操作器动力学估计外部力矩用于碰撞检测。相比之下,SPMO 基于空间负载动力学模型在笛卡尔坐标系下运行。当有腕部安装的 F/T 传感器时,这种公式允许直接补偿负载惯性效应,而无需依赖准确的机器人动力学或关节加速度。先前的基于 F/T 传感器的方法使用了加速度传感器 (Kubus et al., 2008a)、运动变量的数值微分 (Farsoni et al., 2017) 或随机卡尔曼滤波器 (B?tz et al., 2013)。SPMO 提供了一种确定性的替代方案,具有明确的一阶低通特性和单个可物理解释的调谐参数,避免了噪声放大和不透明的协方差调谐。Samuel 等人 (2022) 的集成 DOB 是为具有恒定惯性的单自由度力控制过程设计的,并将力测量视为理想反馈,未将力估计的滤波延迟嵌入到观测器中。相比之下,组合观测器 (CDOB) 明确地纳入了 SPMO 的感知动力学以形成二阶 DOB,并在具有配置相关任务惯性的解耦运动力控制器的多自由度力子空间中运行。除了与当前公式最直接相关的工作外,基于观测器的控制在其他领域也有活跃发展 (Chen et al., 2015)。当前工作将 DOB 应用于特定问题:运动力控制系统的力子空间,这需要明确处理感知和控制动力学之间的相互作用。对于级联系统,Chen 等 (2025) 提出了级联 DOB 框架,实现内外环扰动抑制的等效解耦。Sun 等 (2021) 开发了一种针对时延主动扰动抑制的定量整定方法,并在电厂过程中进行了验证。基于观测器的估计也已与液压欧拉 - 拉格朗日系统的模型 - 数据混合框架 (Yao et al., 2024) 以及液压操作器控制的扩展状态观测器 (Yao et al., 2026) 集成。这些发展促使将观测器扩展到机器人接触任务的力感知和控制中。

本文其余部分组织如下。第 2 节制定负载感知动力学并推导用于接触力/力矩估计的 SPMO。第 3 节提出基于观测器的力控制框架,包括解耦运动力控制器、组合扰动观测器和闭环稳定性分析。第 4 节展示仿真和实验结果。最后,第 5 节总结全文。

**章节片段**

**空间负载动量观测器**

对于机器人力控制应用,6 自由度 F/T 传感器通常安装在机器人的腕部法兰上,负载在传感器后刚性连接到机器人,如图 2 所示。在这种情况下,具有感知坐标系 S 的传感器同时测量工具中心点 (TCP) 坐标系 T 处的接触力/力矩 w 的影响以及负载动力学的影响。尽管 Kubus 等 (2008b) 可以在线估计负载惯性参数,但本文采用离线识别,因为目标是为了评估

**解耦运动力控制**

机器人操作器的刚体动力学可以表示为 (De Luca and Mattone, 2005)
$M\ddot{q} + \mu q = \tau + \tau_c$
其中 q 是广义关节位置坐标,M 是惯性矩阵,$\mu q$ 是科里奥利力和重力力矩。量 $\tau$ 和 $\tau_c$ 分别描述驱动力矩和外部力矩。作业空间任务通过映射 $x = f_x(q)$ 定义坐标 x。雅可比矩阵 J 将关节速度映射到笛卡尔速度,即 $\dot{x} = J\dot{q}$,$J = \partial f_x(q) / \partial q$。
在无奇异情况下

**仿真和实验**

集成了负载惯性补偿的 CDOB 在力控制中的性能通过仿真和实验的组合进行评估。

控制与观测器设计的具体参数详见表1。在实际应用中,α 应在噪声抑制与力估计带宽之间取得平衡。一个有用的准则是:选择 α 为接触力动力学主带宽的四倍,同时保持在 $F/T$ 频率范围之下。结论本文提出的基于CDOB的力控制框架同时解决了由负载惯性引起的传感扰动和力控制回路内的扰动。空间载荷动量观测器(SPMO)通过消除空间负载惯性的影响,准确估计了接触力。实验结果证实,SPMO凭借确定性的低通滤波特性,与现有方法相比,在估计延迟与噪声水平之间实现了良好的折中。将其集成到部分CRediT作者贡献声明Wenbo Tang:撰写——初稿,可视化,验证,方法论,数据管理。Wenhai Liu:撰写——审阅与编辑,验证,调查研究。Weiming Wang:撰写——审阅与编辑,监督,项目管理。Shiquan Wang:撰写——审阅与编辑,监督,资源,方法论。利益冲突声明作者声明不存在已知的可能影响本文所报告工作的竞争性经济利益或个人关系。Wenbo Tang | Wenhai Liu | Weiming Wang | Shiquan Wang上海交通大学机械与动力工程学院,上海市东川路800号,上海,200240,中国
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号