机器人阻抗控制的原理，应用和实现（下）

阻抗控制的应用：

利用阻抗控制最成功的当属kuka的iiwa机器人了，比如：

柔顺控制和曲面跟踪： http://v.youku.com/v_show/id_XOTQ2MTg3Mzcy.html?from=y1.2-1-105.3.3-1.1-1-1-2-0

演示（拖拽牵引）示教：http://v.youku.com/v_show/id_XODE3MzQ0MTk2.html

碰撞顺应

力保持控制,曲面跟踪,打磨

装配

更多的视频可以看我的另一篇博文。《kuka iiwa 机器人是怎么控制的》：http://blog.csdn.net/xpqhqy1314/article/details/50827842

阻抗控制的实现：

力的传感信息可以来自于关节力矩传感器，或者是末端六维力传感器。这里采用的是末端六维力传感器。

传感器的输出力信号存在着噪声，需要做滤波处理。经过尝试，移动平均值滤波法可以达到满意的效果。

阻抗算法实现的代码很简单，根据阻抗控制的公式，设初始加速度，速度和位移均为0，先求出加速度，再积分求速度，再积分求位置，发送位置指令给机器人。

x_dd=(1/M)*(K*xr+fil_e-B*x_d-K*endCur[2]);
x_d:=x_d+x_dd*t_time;
x_theta:=x_theta+x_d*t_time;

式中：xdd是加速度，xd是速度，x_theta是位置，M,B，K，阻抗三个参数。endCur[2]:机器人TCP坐标系Z方向的当前的位置。 t_time是累计的时间。

顺应控制

顺应控制就是在机器人运动过程中，假如有人介入其中，那么机器人能表现出顺应性，防止对人造成伤害。

表现的效果是按期望轨迹运动，外力介入会朝外力方向运动，撤力后会会到规划的期望轨迹上继续运动。

实现方式只要在原有的公式中，在位置项上加一项期望轨迹项就可以了。

 x_dd=(1/M)*(K*xr+fil_e-B*x_d-K*（endCur[2])-traj);

traj是:你轨迹中实时的期望位置点

自适应阻抗力控制：

令目标刚度K=0时，机器人可以实现力控制。从而达到和目标接触的期望力。而期望轨迹是根据力的误差实时产生的。

在机器人位置控制方向，则K不为0，机器人有设定的期望轨迹，在运动时假如有外力介入就表现出期望的刚度。

K=0的情况，对于任意刚度的平面表面，环境位置Xe是一个常数。所以Fe=Fd是一个稳态。机器人对于任意刚度平面实现力控制，表现出了一定的鲁棒性。

但是当fd，Xe，和deltaXe是时变函数，那么力的跟随误差就会出现。比如对于一个Fd是一个斜坡函数，则力的跟随误差会一直存在。如果是抛物线函数，力的误差会成无穷大.

所以就需要一种自适应的阻抗控制算法解决这个问题。

斜面跟踪实验，来回移动，红色曲线是力的变化情况，前半部分是普通的阻抗控制，而后段是自适应的控制效果。期望力F=10N，可以看到当斜面斜率较大时，普通的阻抗方法已经没法跟上斜面高度的变化。而自适应能较好的跟踪。

 

斜面斜率较小时

斜面的斜率较大时