改善机器人控制精度的方法、装置、机器人、存储介质及程序产品与流程

1.本发明实施例涉及机器人控制技术领域，尤其涉及一种改善机器人控制精度的方法、装置、机器人、存储介质及程序产品。


背景技术：

2.随着我国电网向着智能化方向的迅速发展，现有的设备检修模式已经无法满足电网智能、安全、可靠的要求，使用机器人对智能电网各环节实现全面现场无人化运维将成为必然趋势。
3.目前带电作业机器人已经广泛应用在低压配电线路端，但在高压输电线路端，由于高压电网环境复杂，电压等级至少在110kv以上，电流达几百安培，电场强度极高，必然会引发电场环境干扰、通信时延等问题，无法做到对带电作业机器人的高精度控制。


技术实现要素：

4.本发明提供一种改善机器人控制精度的方法、装置、机器人、存储介质及程序产品，改善了传统的时延估计算法在低信噪比情况下很难得到正确时延估计值的问题，降低通信时延对带电机器人的控制精度的影响。
5.第一方面，本发明实施例提供一种改善机器人控制精度的方法，包括：
6.获取机器人的第一状态信号以及预设周期后的第二状态信号；
7.基于广义互相关算法根据所述第一状态信号和所述第二状态信号计算时延值；
8.基于递推最小二乘法结合所述时延值获取时延估计值；
9.基于滑模控制算法，将所述时延估计值作为初始估计控制率获得状态信号的目标控制率。
10.可选的，基于递推最小二乘法结合所述时延值获取时延估计值，包括：
11.利用所述递推最小二乘法得到最优滤波系数对所述第一状态信号和所述第二状态信号进行滤波预处理，得到第一滤波信号和第二滤波信号；
12.通过傅里叶变换将所述第一滤波信号和所述第二滤波信号从时域变换到频域进行互相关运算得到互相关函数；
13.所述互相关函数经过频率加权得广义互相关函数；
14.通过傅里叶逆变换将加权后的所述广义互相关函数从频域变换回时域进行峰值检测，从而得到时延估计值。
15.可选的，基于滑模控制算法，将所述时延估计值作为初始估计控制率获得状态信号的目标控制率，包括：
16.建立带电机器人的运动学方程，并转化为状态方程；
17.定义滑模面函数，并进行二阶求导；
18.将求导后的所述滑模面函数中辅助控制输入拆分为齐次连续控制项和补偿项；
19.根据所述辅助控制输入和所述时延估计值得到所述目标控制率。
20.可选的，所述运动学方程为：
21.其中，q表示关节变量的向量；τ是执行机构施加的扭矩向量；τd为外界干扰；m(q)为对称正定惯性矩阵；为哥氏和离心力向量；g(q)为重力向量；为摩擦力。
22.第二方面，本发明实施例提供一种改善机器人控制精度的装置，包括：
23.获取电压，用于获取机器人的第一状态信号以及预设周期后的第二状态信号；
24.第一算法单元，用于基于广义互相关算法根据所述第一状态信号和所述第二状态信号计算时延值；
25.第二算法单元，用于基于递推最小二乘法结合所述时延值获取时延估计值；
26.第三算法单元，用于基于滑模控制算法，将所述时延估计值作为初始估计控制率获得状态信号的目标控制率。
27.可选的，所述第二算法单元包括：
28.滤波单元，用于利用所述递推最小二乘法得到最优滤波系数对所述第一状态信号和所述第二状态信号进行滤波预处理，得到第一滤波信号和第二滤波信号；
29.变换单元，用于通过傅里叶变换将所述第一滤波信号和所述第二滤波信号从时域变换到频域进行互相关运算得到互相关函数；
30.所述变换单元，还用于将所述互相关函数经过频率加权得广义互相关函数；
31.检测单元，用于通过傅里叶逆变换将加权后的所述广义互相关函数从频域变换回时域进行峰值检测，从而得到时延估计值。
32.可选的，所述第三算法单元包括：
33.方单单元，用于建立带电机器人的运动学方程，并转化为状态方程；
34.滑模控制单元，用于定义滑模面函数，并进行二阶求导；
35.还用于将求导后的所述滑模面函数中辅助控制输入拆分为齐次连续控制项和补偿项；
36.计算单元，用于根据所述辅助控制输入和所述时延估计值得到所述目标控制率。
37.第三方面，本发明实施例提供一种机器人，包括本发明任意实施例所述的改善机器人控制精度的装置。
38.第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任意实施例所述的改善机器人控制精度的方法。
39.第五方面，本发明实施例提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本发明任意实施例所述的改善机器人控制精度的方法。
40.本发明实施例提供的技术方案，通过采用改进的时延估计算法和高阶滑模控制方法相结合的方式，有效改善了传统的时延估计算法在低信噪比情况下很难得到正确时延估计值的问题，降低通信时延对带电机器人的控制精度的影响。
附图说明
41.图1为本发明实施例提供的一种改善机器人控制精度的方法的流程示意图；
42.图2为本发明实施例提供的一种获取时延估计值的流程示意图；
43.图3为本发明实施例提供的一种获得状态信号的目标控制率的流程示意图；
44.图4为本发明实施例提供的一种改善机器人控制精度的装置结构示意图。
具体实施方式
45.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.图1为本发明实施例提供的一种改善机器人控制精度的方法的流程示意图，本实施例可适用于高压干扰情况下机器人的控制情况，该方法可以由机器人控制装置来执行，该装置可采用硬件和/或软件的方式来实现。该方法具体包括如下步骤：
47.s110、获取机器人的第一状态信号以及预设周期后的第二状态信号；
48.其中，预设周期可以为一个采样周期，分别获取机器人的第一状态信号以及一个采样周期后的第二状态信号。状态信号为控制的目标信号，例如，速度、扭矩、方向等信号。
49.s120、基于广义互相关算法根据第一状态信号和第二状态信号计算时延值；
50.具体的，基于时延估计的双步定位法由于其计算速度快，定位精确度高等优点成为近年来国内外学者研究的热点。到达时间差定位法(time difference of arrival，tdoa)利用多点位到达同一目标的路程耗时时间差来进行定位核算的。tdoa定位法的关键是获取准确的时延估计值，目前技术中常用的时间差估计算法有：广义互相关法(gcc)、基于lms(least mean square)的自适应时延估计算法等。其中，广义互相关时延估计方法由于其运算量小、估计准确度相对较高等优点而被广泛的应用于时延估计中。
51.因此基于广义互相关法比较第一状态信号和第二状态信号相似程度，第一状态信号和第二状态信号来自同一机器人，因此具有较强的相关性，可以通过互相关函数来确定时延。广义互相关算法是通过在不同节点接收到状态信号后，求解两信号的互相关函数，互相关函数的峰值对应就是时延值。
52.s130、基于递推最小二乘法结合时延值获取时延估计值；
53.具体的，在信号低信噪比的环境中，其时延估计性能会大大的降低，甚至于无法正确估计时延值。为此，将递推最小二乘法自适应滤波算法与gcc算法相结合的方式，计算时延估计值。示例性的，例如利用递推最小二乘法自适应滤波算法得到最优滤波系数对第一状态信号和第二状态信号进行滤波预处理，得到第一滤波信号和第二滤波信号，运用傅里叶变换将第一滤波信号和第二滤波信号从时域变换到频域进行互相关运算得到互相关函数，互相关函数经过频率加权得广义互相关函数，其中，权函数可以取1，运用傅里叶逆变换将加权后的广义互相关函数从频域变换回时域进行峰值检测，从而得到时延估计值
54.s140、基于滑模控制算法，将时延估计值作为初始估计控制率获得状态信号的目标控制率。
55.具体的，可以将其时延估计值带入到滑模控制方法中，有效解决通信延时问题。滑
模控制方法也称变结构控制方法,本质上是一种特殊的非线性控制，其非线性表现为控制的不连续性。滑模控制具有一定的优势，例如滑动阶段对外干扰和参数不确定性不敏感、快速响应、设计及应用简单等等。利用高阶滑模控制算法在反馈控制的基础上，采用齐次连续控制项，并添加自适应补偿性对存在的外部干扰进行补偿，最终获得状态信号的目标控制率。
56.本发明实施例提供的技术方案，通过采用改进的时延估计算法和高阶滑模控制方法相结合的方式，有效改善了传统的时延估计算法在低信噪比情况下很难得到正确时延估计值的问题，降低通信时延对带电机器人的控制精度的影响。
57.图2为本发明实施例提供的一种获取时延估计值的流程示意图，参见图2，包括：
58.s210、利用递推最小二乘法得到最优滤波系数对第一状态信号和第二状态信号进行滤波预处理，得到第一滤波信号和第二滤波信号；
59.s220、通过傅里叶变换将第一滤波信号和第二滤波信号从时域变换到频域进行互相关运算得到互相关函数；
60.其中，互相关函数为：
[0061][0062]
其中，e[]表示取均值操作，则当互相关函数峰值对应的τ值即为时延值。
[0063]
s230、互相关函数经过频率加权得广义互相关函数，其中，权函数为传统权函数赋值为1；
[0064]
s240、通过傅里叶逆变换将加权后的广义互相关函数从频域变换回时域进行峰值检测，从而得到时延估计值。
[0065]
图3为本发明实施例提供的一种获得状态信号的目标控制率的流程示意图，参见图3，包括：
[0066]
s310、建立带电机器人的运动学方程，并转化为状态方程；
[0067]
其中，运动学方程为：
[0068]
q表示关节变量的向量；τ是执行机构施加的扭矩向量；τd为外界干扰；m(q)为对称正定惯性矩阵；为哥氏和离心力向量；g(q)为重力向量；为摩擦力。
[0069]
外界干扰是指来自外界的一些未知干扰，如噪声，环境等。其中，可以包括参数的不确定性干扰，例如测量系统本身的属性引起的误差，如机械臂的长度、质量以及其质心所在的具体位置测量引起的偏差等。模型不确定性干扰，例如系统在运行中的一些未知的情况引起的干扰，如执行器的振动、结构的振动等。
[0070]
令系统状态为其中，x1为第一状态信号，第一状态信号为关节运动扭矩，x2为第二状态信号，第二状态信号为一个采样周期后的关节运动扭矩；则系统的状态方程为：
[0071]
[0072][0073]
其中，d和τd均为外界干扰；m为扭矩；f为抗干扰函数；
[0074]
s320、定义滑模面函数，并进行二阶求导；
[0075]
具体的，为了使系统状态的第一状态信号跟踪期望状态x0，定义滑模面函数：s＝x
1-x0，并进行二阶求导:
[0076][0077]
考虑反馈控制得其中u为辅助控制输入；
[0078]
s330、将求导后的滑模面函数中辅助控制输入拆分为齐次连续控制项和补偿项；
[0079]
具体的，将辅助控制输入进行拆分得u＝u1+u2，其中u1为齐次连续控制项，用于使系统收敛，u2为补偿项，用于克服干扰。
[0080]
取
[0081]
其中a1》0，a2》0，0《k1《1，a1第一次扭矩、a2第二次扭矩、k1第一次控制时间、k2第二次控制时间、db中心距、α圆心角。
[0082]
s340、根据辅助控制输入和时延估计值得到目标控制率。
[0083]
具体的，将u1，u2和时延估计值τ0带入即得目标控制率τ，时延估计值τ0是初始估计控制率，是目标控制率τ的最早状态值，将时延估计值τ0代入滑膜控制方法中，对比时延估计值τ0和目标控制率τ，降低通信时延对带电机器人的控制精度的影响。
[0084]
图4为本发明实施例提供的一种改善机器人控制精度的装置结构示意图，参见图4，包括：
[0085]
获取电压110，用于获取机器人的第一状态信号以及预设周期后的第二状态信号；
[0086]
第一算法单元120，用于基于广义互相关算法根据第一状态信号和第二状态信号计算时延值；
[0087]
第二算法单元130，用于基于递推最小二乘法结合时延值获取时延估计值；
[0088]
第三算法单元140，用于基于滑模控制算法，将时延估计值作为初始估计控制率获得状态信号的目标控制率。
[0089]
具体的，预设周期可以为一个采样周期，获取电压110分别获取机器人的第一状态信号以及一个采样周期后的第二状态信号。状态信号为控制的目标信号，例如，速度、扭矩、方向等信号。
[0090]
基于时延估计的双步定位法由于其计算速度快，定位精确度高等优点成为近年来国内外学者研究的热点。到达时间差定位法(time difference of arrival，tdoa)利用多
点位到达同一目标的路程耗时时间差来进行定位核算的。tdoa定位法的关键是获取准确的时延估计值，目前技术中常用的时间差估计算法有：广义互相关法(gcc)、基于lms(least mean square)的自适应时延估计算法等。其中，广义互相关时延估计方法由于其运算量小、估计准确度相对较高等优点而被广泛的应用于时延估计中。
[0091]
因此第一算法单元110基于广义互相关法比较第一状态信号和第二状态信号相似程度，其中，第一状态信号和第二状态信号来自同一机器人，因此具有较强的相关性，可以通过互相关函数来确定时延。广义互相关算法是通过在不同节点接收到状态信号后，求解两信号的互相关函数，互相关函数的峰值对应就是时延值。
[0092]
在信号低信噪比的环境中，其时延估计性能会大大的降低，甚至于无法正确估计时延值。为此，第二算法单元120将递推最小二乘法自适应滤波算法与gcc算法相结合的方式，计算时延估计值。示例性的，例如利用递推最小二乘法自适应滤波算法得到最优滤波系数对第一状态信号和第二状态信号进行滤波预处理，得到第一滤波信号和第二滤波信号，运用傅里叶变换将第一滤波信号和第二滤波信号从时域变换到频域进行互相关运算得到互相关函数，互相关函数经过频率加权得广义互相关函数，其中，权函数可以取1，运用傅里叶逆变换将加权后的广义互相关函数从频域变换回时域进行峰值检测，从而得到时延估计值
[0093]
可以将其时延估计值带入到滑模控制方法中，有效解决通信延时问题。滑模控制方法也称变结构控制方法,本质上是一种特殊的非线性控制，其非线性表现为控制的不连续性。滑模控制具有一定的优势，例如滑动阶段对外干扰和参数不确定性不敏感、快速响应、设计及应用简单等等。第三算法单元130利用高阶滑模控制算法在反馈控制的基础上，采用齐次连续控制项，并添加自适应补偿性对存在的外部干扰进行补偿，最终获得状态信号的目标控制率。
[0094]
可选的，第二算法单元包括：
[0095]
滤波单元，用于利用递推最小二乘法得到最优滤波系数对第一状态信号和第二状态信号进行滤波预处理，得到第一滤波信号和第二滤波信号；
[0096]
变换单元，用于通过傅里叶变换将第一滤波信号和第二滤波信号从时域变换到频域进行互相关运算得到互相关函数；
[0097]
变换单元，还用于将互相关函数经过频率加权得广义互相关函数；
[0098]
检测单元，用于通过傅里叶逆变换将加权后的广义互相关函数从频域变换回时域进行峰值检测，从而得到时延估计值。
[0099]
可选的，第三算法单元包括：
[0100]
方单单元，用于建立带电机器人的运动学方程，并转化为状态方程；
[0101]
滑模控制单元，用于定义滑模面函数，并进行二阶求导；
[0102]
还用于将求导后的滑模面函数中辅助控制输入拆分为齐次连续控制项和补偿项；
[0103]
计算单元，用于根据辅助控制输入和时延估计值得到目标控制率。
[0104]
本发明实施例提供的改善机器人控制精度的装置与本发明任意实施例提供的改善机器人控制精度的方法属于相同的发明构思，具有相应的有益效果，未在本实施例详尽的技术细节详见本发明任意实施例提供的改善机器人控制精度的方法。
[0105]
本发明实施例还提供一种机器人，包括本发明实施例任意的改善机器人控制精度
的装置。由于机器人包括本发明任意实施例提供的改善机器人控制精度的装置，因此具有改善机器人控制精度的装置相同的有益效果，此处不再赘述。
[0106]
基于上述的机器人，还可以通过在硬件防护层面，利用物理上切断电磁敏感源与干扰源之间的联系，来减少高压电网环境的电场环境干扰，具体措施包括：(1)采用碳纤维材料制作带电机器人的控制机箱；(2)在带电机器人的整机及接缝处包裹铝箔；(3)在带电机器人的内部设置抗电磁干扰装置。其中，抗电磁干扰装置包括电磁屏蔽罩和抗干扰电路，电磁屏蔽罩分别设置在带电机器人的驱动板和控制芯片处，电磁屏蔽罩的制作材料采用铝；抗干扰电路包括电性连接的快速放电二极管、充电电阻、抗干扰电容和抗干扰施密特电路，快速放电二极管的阴极连接至抗干扰电路的输入端，快速放电二极管的阳极连接至抗干扰施密特电路的输入端，充电电阻与快速放电二极管并联，抗干扰电容的一端连接至抗干扰施密特电路的输入端，另一端连接至供电电源。从而进一步通过从硬件层面防护电磁干扰和控制方法层面抗扰动，减小了高压电网环境的电场环境干扰和通信时延对带电机器人的控制精度的影响。
[0107]
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明实施例任意的改善机器人控制精度的方法。
[0108]
计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0109]
本发明实施例还提供一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现本发明实施例任意的改善机器人控制精度的方法。用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0110]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种改善机器人控制精度的方法，其特征在于，包括：获取机器人的第一状态信号以及预设周期后的第二状态信号；基于广义互相关算法根据所述第一状态信号和所述第二状态信号计算时延值；基于递推最小二乘法结合所述时延值获取时延估计值；基于滑模控制算法，将所述时延估计值作为初始估计控制率获得状态信号的目标控制率。2.根据权利要求1所述的改善机器人控制精度的方法，其特征在于，基于递推最小二乘法结合所述时延值获取时延估计值，包括：利用所述递推最小二乘法得到最优滤波系数对所述第一状态信号和所述第二状态信号进行滤波预处理，得到第一滤波信号和第二滤波信号；通过傅里叶变换将所述第一滤波信号和所述第二滤波信号从时域变换到频域进行互相关运算得到互相关函数；所述互相关函数经过频率加权得广义互相关函数；通过傅里叶逆变换将加权后的所述广义互相关函数从频域变换回时域进行峰值检测，从而得到时延估计值。3.根据权利要求1所述的改善机器人控制精度的方法，其特征在于，基于滑模控制算法，将所述时延估计值作为初始估计控制率获得状态信号的目标控制率，包括：建立带电机器人的运动学方程，并转化为状态方程；定义滑模面函数，并进行二阶求导；将求导后的所述滑模面函数中辅助控制输入拆分为齐次连续控制项和补偿项；根据所述辅助控制输入和所述时延估计值得到所述目标控制率。4.根据权利要求3所述的改善机器人控制精度的方法，其特征在于，所述运动学方程为：其中，q表示关节变量的向量；τ是执行机构施加的扭矩向量；τd为外界干扰；m(q)为对称正定惯性矩阵；为哥氏和离心力向量；g(q)为重力向量；为摩擦力。5.一种改善机器人控制精度的装置，其特征在于，包括：获取电压，用于获取机器人的第一状态信号以及预设周期后的第二状态信号；第一算法单元，用于基于广义互相关算法根据所述第一状态信号和所述第二状态信号计算时延值；第二算法单元，用于基于递推最小二乘法结合所述时延值获取时延估计值；第三算法单元，用于基于滑模控制算法，将所述时延估计值作为初始估计控制率获得状态信号的目标控制率。6.根据权利要求5所述的改善机器人控制精度的装置，其特征在于，所述第二算法单元包括：滤波单元，用于利用所述递推最小二乘法得到最优滤波系数对所述第一状态信号和所述第二状态信号进行滤波预处理，得到第一滤波信号和第二滤波信号；变换单元，用于通过傅里叶变换将所述第一滤波信号和所述第二滤波信号从时域变换到频域进行互相关运算得到互相关函数；
所述变换单元，还用于将所述互相关函数经过频率加权得广义互相关函数；检测单元，用于通过傅里叶逆变换将加权后的所述广义互相关函数从频域变换回时域进行峰值检测，从而得到时延估计值。7.根据权利要求5所述的改善机器人控制精度的装置，其特征在于，所述第三算法单元包括：方单单元，用于建立带电机器人的运动学方程，并转化为状态方程；滑模控制单元，用于定义滑模面函数，并进行二阶求导；还用于将求导后的所述滑模面函数中辅助控制输入拆分为齐次连续控制项和补偿项；计算单元，用于根据所述辅助控制输入和所述时延估计值得到所述目标控制率。8.一种机器人，其特征在于，包括权利要求5-7任一所述的改善机器人控制精度的装置。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-4中任一项所述的改善机器人控制精度的方法。10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-4中任一项所述的改善机器人控制精度的方法。

技术总结
本发明公开了一种改善机器人控制精度的方法、装置、机器人、存储介质及程序产品。其中方法，包括：获取机器人的第一状态信号以及预设周期后的第二状态信号；基于广义互相关算法根据所述第一状态信号和所述第二状态信号计算时延值；基于递推最小二乘法结合所述时延值获取时延估计值；基于滑模控制算法，将所述时延估计值作为初始估计控制率获得状态信号的目标控制率。本发明提供的技术方案改善了传统的时延估计算法在低信噪比情况下很难得到正确时延估计值的问题，降低通信时延对带电机器人的控制精度的影响。人的控制精度的影响。人的控制精度的影响。


技术研发人员：邓志勇 郭希义 徐铂裕 刘文彬 万康 张国新 陈文俊 李牧轩 张建峰 黄立 丘文彪 邹杨 刘永兴 吴庆起 李君俞
受保护的技术使用者：广东电网有限责任公司梅州供电局
技术研发日：2023.05.30
技术公布日：2023/8/24