人和机器人握手的同步控制

《人和机器人握手的同步控制》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、*人和机器人握手的同步控制11,2,3311梁锡昌谢光辉桥本稔潘继生李伟(1.重庆大学机械传动国家重点实验室重庆400044；2.重庆电子工程职业学院机电工程系重庆401331；3.日本信州大学纤维学部长野386-8567日本)摘要：为实现人和机器人握手运动的同步，提出基于神经振动子同步控制的方法，并将此方法应用于人和机器人握手的研究中。在现有神经振动子的基础上，设计一种新的人和机器人握手的神经振动子模型并对其特性进行分析。人和机器人相互作用而产生的机器人关节扭矩信号，作为输入信号被反馈到神经振动子，神经振动子输出机器人关

2、节给定的轨迹。最后，将该神经振动子模型应用于同步控制方法中来对机器人臂和人臂的握手交流进行动力学仿真，并基于7自由度机器人臂进行人和机器人握手交流试验。仿真和试验结果表明，该方法能够实现人和机器人握手运动的同步。通过调节神经振动子的增益参数，同步的程度能够被改变，从而实现人和机器人握手时相互作用的被动性。关键词：神经振动子握手动力学同步控制中图分类号：TP24机器人握手的研究中。通过这种方法，人和机器人0前言握手运动的同步能被实现。通过调节该方法的控制参数，同步的程度亦能被改变。其对实现人和机器对人和服务机器人来说，它们身

3、体各部分相互人身体相互作用的自然交流有较大的重要意义。接触(比如搀扶、握手等)是不可避免的。1控制同步模型近几年，有许多关于人和机器人身体相互作用[1-2]的研究，取得了一定成果，但它们大都着眼于机人和机器人身体相互作用的同步控制模型如图器人的阻抗控制研究，这种方式需要确定人和机器1所示。通过SBC，人和机器人之间的运动能实现同人之间谁是主控，谁是被控，然后被控者来同步主步。同时，这种相互作用的被动性能够通过调节同控者的运动。但在现实生活中，人与人之间相互作步强度来实现。用是自然的，不存在谁主控、谁被控的现象，比如机器人关

4、节握手。所以，目前用阻抗控制的方式来实现人与机外部同步调节神经振动神经振动子子关节输入扭矩给定角度器人的自然交流有一定的难度。(NeuralOscillator）(PD反馈）为实现机器人运动与周围环境保持同步，神经[3]振动子亦被应用于诸如机器人行走和其他有节奏[4]的运动上。这些研究的目的是用神经振动子来实现人类运动人与机器人的自然交流，使各自的运动保持同步。图1SBC同步控制模型为进一步找到人与机器人实现自然交流的控制SBC模块的核心是参数可调的神经元振荡器。方式，本文以人和机器人握手这样一个有节奏的运人与机器人相互作

5、用所产生的扭矩信号被反馈到神动作为例子进行研究。正常情况下，当人们之间握经元振荡器输入端。由于神经元振荡器具有同步特手时，任何一方都会感觉很自然，这主要是因为双性，在其输出端会输出与输入扭矩信号同步的给定方的握手运动频率基本上是同步的。这种同步可以关节位移(角度)，从而实现人和机器人之间运动的作为一种基本现象。当然，在握手时，一个人主动同步。同时，通过同步调节模块，能够调节运动同而另一个人被动的情况亦是可能的。本文首次提出步的程度，从而实现相互作用的被动性。一种基于神经振动子同步控制(Synchronizationbase

6、dcontrol,SBC)的方法，并将此方法应用于人和2神经振动子模型2.1神经振动子*国家留学基金委(2007102654)和日本三菱株氏会社基金资助项目。[5-6]20071224收到初稿，20081212收到修改稿MATSUOKA分析了相互抑制神经元的特性并且发现了神经元产生振动的条件。其单个神经元组成的人和机器人握手神经振动子模型。其中，每的结构如图2所示。由两个神经元组成的网络，称为个神经振动子控制一个关节；每个关节的神经振动神经振动子(Neuraloscillator,NO)，它可以同步输入子被相互连接组成网络

7、，且有两个输入I(关节1为1信号，并被用来产生如动物的走和呼吸等周期性运I，关节2为I)和I(关节1为I，关节2为I)。111222122动，结构如图3所示，输入为外部扭矩，输出为执行它们来自于关节1和2的反馈扭矩T和T。其微分方12机构(如关节等)的给定角度。每个神经元的动力学程式如式(4)～(6)所示。为方便起见，在以下各参数微分方程如式(1)～(3)所示影响分析中，将T和T作为输入信号12dxdxijTxai+=−∑g()x−++bfsI(1)Tx+=−∑ag()x−+bx'sriijjiiirdtijikikiji

8、jijdtji≠kj≠dfj−1⎡⎤Tfi+=g()x(2)+−(1)Kgill⎢⎥∑(()xg12−())x(4)adtii⎣⎦li≠j−1+−(1)II+12g()max(0,)x=x(3)iidx'ijTx+='(gx)(5)aijijdt式中，x为第i个神经元的内部状态变量，f为第iii个神经元