买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南大学

摘要：本发明公开了一种用于空中机器人自主作业的视觉阻抗控制方法及系统，该方法基于虚拟图像平面将相机获取的原始图像转换成在虚拟图像平面下的视觉特征后，得到空中机器人视觉伺服控制率；将视觉伺服控制率代入空中机器人的动力学模型构建空中机器人基于视觉的图像动力学方程；利用视觉‑阻抗控制器获得根据当前接触力与期望接触力的接触力误差获取对应的视觉特征误差值，再结合基于视觉伺服的模型预测控制MPCVS获得广义力；最后，基于改进的几何姿态控制器，并联合基于视觉的图像动力学方程，得到广义力矩；采用视觉感知与阻抗控制相结合的方式，通过实时预测和调整空中机器人与环境间的相互作用力，有效适应并精确控制复杂作业环境。

主权项：1.一种用于空中机器人自主作业的视觉阻抗控制方法，其特征在于，包括：构建基于视觉的图像动力学方程：首先，基于牛顿-欧拉方程构建空中机器人的动力学模型；接着，基于针孔相机模型构建虚拟图像平面，并建立虚拟图像坐标系，基于虚拟图像平面将相机获取的原始图像转换成在虚拟图像平面下的视觉特征后，得到空中机器人在笛卡尔坐标系下的三维运动与对应的二维相机虚拟图像平面视觉特征变化率的关系式，即视觉伺服控制率；最后，将视觉伺服控制率代入空中机器人的动力学模型构建空中机器人基于视觉的图像动力学方程；构建视觉-阻抗控制器：基于垂直于接触点平面的接触力，定义基于图像误差的视觉-阻抗控制器，根据当前接触力与期望接触力的接触力误差获取对应的视觉特征误差值；构建MPCVS损失函数：根据空中机器人基于视觉的图像动力学方程，构建状态空间变量和控制输入变量相关的MPCVS损失函数，根据构建的损失函数和设定的状态约束下，依据MPCVS系统状态方程预测从当前时刻到未来的预测区间时刻内的状态空间变量的轨迹，求解MPCVS损失函数的最小值获得最优解，并得到当前时刻的最优控制输入向量；其中，状态空间变量包括空中机器人的视觉特征、横滚角姿态的变量以及线速度向量，MPCVS表示基于视觉伺服的模型预测控制，其控制输入向量包含偏航角分量与位置分量向量，将控制输入的位置分量向量输入到后续的改进的几何姿态控制器，同时将位置分量向量经过旋转矩阵变换后得到空中机器人的广义力；构建改进的几何姿态控制器：基于空中机器人的期望姿态获得空中机器人姿态和角速度误差，联合空中机器人基于视觉的图像动力学方程，对几何姿态进行改进控制，获得空中机器人广义力矩；以广义力和广义力矩对空中机器人进行自主作业控制；MPCVS最优解表示如下： ， ， ， ， ， 表示对MPCVS损失函数求解最小值得到的最优解；MPCVS状态空间变量约束表示为：；MPCVS控制输入变量约束表示为：；MPCVS状态空间变量表示为：；MPCVS控制输入变量表示为：；；定义MPCVS控制输入变量u的位置分量向量：；其中，、分别表示的约束值下限和上限，、分别表示的约束值下限和上限，并且存在以下关系：、； 的表达式如下： ，其中，，，分别表示第i个时间步骤的状态变量和控制输入，是第i个时间步骤的状态变量和控制输入对应的参考值；表示描述空中机器人绕机体坐标系的Y轴和Z轴进行旋转的旋转矩阵，，,分别表示空中机器人绕Z、Y轴进行旋转的旋转矩阵；表示空中机器人上的四个桨叶旋转所产生的广义力，为空中机器人的质量，，为重力加速度，为单位向量，其表达式为；表示视觉伺服控制的视觉特征，表示空中机器人在虚拟相机平面所对应虚拟相机坐标系下的线速度向量，表示图像动力学中空中机器人的姿态；，，，表示控制输入变量中第1、2、3、4个变量；分别表示当前时刻的状态空间变量与控制输入，表示下一时刻状态空间变量，表示非线性的离散时间函数，表达式为；，，是正定对角矩阵，表示对应的系数；包含两部分，从时刻到时刻的阶段成本和的终端成本，表示时间步长，表示横滚角速度。

全文数据：

权利要求：

百度查询： 湖南大学 一种用于空中机器人自主作业的视觉阻抗控制方法及系统