Использование датчиков усилия в суставах для определения точки и типа коллизии в индустриальном роботе
https://doi.org/10.17587/mau.20.171-179
Аннотация
Недавние достижения в области создания сенсоров позволили получить робототехнические комплексы с силомоментными датчиками в каждом суставе. На данный момент эти датчики используются только для определения наличия коллизии. Данная работа показывает возможность получения также информации о точке и типе контакта. Эта информация впоследствии может быть использована для выбора стратегии поведения робота. Определение точки контакта выполнено с помощью двух подходов: аналитического и с использованием методов машинного обучения. Описанные алгоритмы были опробованы на индустриальном манипуляторе Kuka iiwa LBR 14 R820, контрольная информация о экспериментах была получена с использованием 3D-лидара.
Об авторах
Д. И. Попов
АНО ВО "Университет Иннополис"
Россия
Россия
Младший научный сотрудник.
Иннополис.
А. С. Климчик
АНО ВО "Университет Иннополис"
Россия
Россия
Ph.D, руководитель Центра развития робототехники.
Иннополис.
Список литературы
1. De Santis A. et al. An atlas of physical human—robot interaction // Mechanism and Machine Theory. 2008. Vol. 43, N. 3. P. 253—270.
2. Wang X. et al. Robot manipulator self-identification for surrounding obstacle detection // Multimedia Tools and Applications. 2016. P. 1—26.
3. Morikawa S. et al. Realtime collision avoidance using a robot manipulator with light-weight small high-speed vision systems // Robotics and Automation. 2007. P. 794—799.
4. Part S. I. Impedance control: An approach to manipulation //Journal of dynamic systems, measurement, and control. 1985. Vol. 107. P. 17.
5. Ebert D. M., Henrich D. D. Safe human-robot-cooperation: Image-based collision detection for industrial robots // Intelligent Robots and Systems. 2002. Vol. 2. P. 1826—1831.
6. Magrini E., Flacco F., De Luca A. Control of generalized contact motion and force in physical human-robot interaction // Robotics and Automation (ICR A). 2015. P. 2298—2304.
7. Cannata G. et al. A n embedded artificial skin for humanoid robots // Multisensor Fusion and Integration for Intelligent Systems. 2008. P. 434—438.
8. Fritzsche M., Elkmann N., Schulenburg E. Tactile sensing: A key technology for safe physical human robot interaction // Proceedings of the 6th international conference on Human-robot interaction. ACM. 2011. P. 139—140.
9. Fritzsche M., Saenz J., Penzlin F. A large scale tactile sensor for safe mobile robot manipulation // The Eleventh ACM/ IEEE International Conference on Human Robot Interaction. IEEE Press. 2016. P. 427—428.
10. McMahan W., Romano J. M., Kuchenbecker K. J. Using accelerometers to localize tactile contact events on a robot arm // Proc. Workshop on Advances in Tactile Sensing and Touch-Based Human-Robot Interaction. 2012.
11. Petrovskaya A., Park J., Khatib O. Probabilistic estimation of whole body contacts for multi-contact robot control // Robotics and Automation. 2007. P. 568—573.
12. Magrini E., Flacco F., De Luca A. Estimation of contact forces using a virtual force sensor // Intelligent Robots and Systems. 2014. P. 2126—2133.
13. Dimeas F., Avendano-Valencia L. D., Aspragathos N. Human-robot collision detection and identification based on fuzzy and time series modelling // Robotica. 2015. Vol. 33, N. 09. P. 1886—1898.
14. Hur S., Oh S. R., Oh. Y. Joint space torque controller based on time-delay control with collision detection // Intelligent Robots and Systems (IROS 2014). P. 4710—4715.
15. Zelenak A., Pryor M., Schroeder K. An Extended Kalman Filter for Collision Detection During Manipulator Contact Tasks // ASME 2014 Dynamic Systems and Control Conference. A merican Society of Mechanical Engineers. 2014. P. V001T11A005-V001T11A005.
16. Lee S. D., Kim M. C., Song J. B. Sensorless collision detection for safe human-robot collaboration // Intelligent Robots and Systems. 2015. P. 2392—2397.
17. Geravand M., Flacco F., De Luca A. Human-robot physical interaction and collaboration using an industrial robot with a closed control architecture // Robotics and Automation (ICR A). IEEE. 2013. P. 4000—4007.
18. De Luca A., Mattone R. Sensorless robot collision detection and hybrid force/motion control // Robotics and Automation. 2005. P. 999—1004.
19. De Luca A. et al. Collision detection and safe reaction with the DLR-III lightweight manipulator arm // Intelligent Robots and Systems. 2006. P. 1623—1630.
20. Haddadin S. et al. Collision detection and reaction: A contribution to safe physical human-robot interaction // Intelligent Robots and Systems. 2008. P. 3356—3363.
21. Hennersperger C. et al. Towards MRI-based autonomous robotic US acquisitions: a first feasibility study // IEEE transactions on medical imaging. 2017. Vol. 36, N. 2. P. 538—548.
22. Likar N., Žlajpah L. External joint torque-based estimation of contact information // International Journal of Advanced Robotic Systems. 2014. Vol. 11, N. 7. P. 107.
23. Finkel D. E. DIRECT optimization algorithm user guide// Center for Research in Scientific Computation, North Carolina State University. 2003. Vol. 2.
Рецензия
При поддержке: Российский научный фонд
Для цитирования:
Попов Д.И., Климчик А.С. Использование датчиков усилия в суставах для определения точки и типа коллизии в индустриальном роботе. Мехатроника, автоматизация, управление. 2019;20(3):171-179. https://doi.org/10.17587/mau.20.171-179
For citation:
Popov D.I., Klimchik A.S. The Use of Joints Force Sensors to Determine the Collision Location and Type for an Industrial Robot. Mekhatronika, Avtomatizatsiya, Upravlenie. 2019;20(3):171-179. (In Russ.) https://doi.org/10.17587/mau.20.171-179
Просмотров: 520
.png)
Послать статью по эл. почте 