本發(fā)明涉及工業(yè)自動(dòng)化，具體為一種用于工業(yè)機(jī)器人的智能控制方法及系統(tǒng)。

背景技術(shù)：

1、本發(fā)明涉及工業(yè)自動(dòng)化技術(shù)領(lǐng)域，尤其涉及一種用于管道作業(yè)環(huán)境中的工業(yè)機(jī)器人姿態(tài)控制方法，具體涉及一種基于熱擾動(dòng)流線建模與結(jié)構(gòu)穩(wěn)定狀態(tài)融合的智能控制方法，適用于在高溫、高濕、水霧擾動(dòng)嚴(yán)重的封閉管道內(nèi)運(yùn)行的清洗類工業(yè)機(jī)器人系統(tǒng)，通過實(shí)時(shí)構(gòu)建熱對(duì)流擾動(dòng)場模型與機(jī)器人結(jié)構(gòu)姿態(tài)動(dòng)態(tài)狀態(tài)，預(yù)測其運(yùn)行過程中潛在的失穩(wěn)趨勢(shì)，并提前采取控制補(bǔ)償，實(shí)現(xiàn)穩(wěn)定、連續(xù)、安全的作業(yè)任務(wù)執(zhí)行。

2、現(xiàn)階段在某些高溫高壓工業(yè)流程，如化工、煉油和鍋爐系統(tǒng)中的內(nèi)部管道清洗過程中，機(jī)器人必須深入密閉、彎曲且充滿高溫水霧的管道中執(zhí)行清洗任務(wù)。由于持續(xù)高溫液體沖擊和復(fù)雜結(jié)構(gòu)導(dǎo)致的熱對(duì)流擾動(dòng)流線形成旋渦、亂流等現(xiàn)象，機(jī)器人極易產(chǎn)生姿態(tài)偏移、穩(wěn)定性下降甚至傾覆等問題。常規(guī)的視覺/陀螺系統(tǒng)在該環(huán)境下極不可靠。

3、造成上述不足的核心原因在于，傳統(tǒng)控制系統(tǒng)僅基于自身姿態(tài)狀態(tài)進(jìn)行閉環(huán)反饋控制，而忽略了外部擾動(dòng)環(huán)境的先驗(yàn)趨勢(shì)信息，尤其是在管道清洗作業(yè)中，大量高壓噴頭形成的水霧遇熱后將形成局部對(duì)流渦旋結(jié)構(gòu)。這類擾動(dòng)具有“空間不可見性”“發(fā)展突發(fā)性”與“方向不一致性”，在未經(jīng)建模感知的情況下，極易作用于機(jī)器人外殼產(chǎn)生偏轉(zhuǎn)力矩與震動(dòng)波動(dòng)。若系統(tǒng)未能在擾動(dòng)初期識(shí)別出趨勢(shì)，導(dǎo)致控制響應(yīng)延遲，將進(jìn)一步造成機(jī)器人發(fā)生傾覆、卡滯在轉(zhuǎn)彎段、姿態(tài)角度急劇偏離，甚至損傷執(zhí)行結(jié)構(gòu)等嚴(yán)重異常，影響清洗任務(wù)的連續(xù)性與安全性。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種用于工業(yè)機(jī)器人的智能控制方法及系統(tǒng)，解決了背景技術(shù)中提到的問題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：包括以下步驟：

3、s1、在管道清洗機(jī)器人上設(shè)置采集點(diǎn)，構(gòu)建熱流擾動(dòng)傳感器陣列，并通過熱容量密度傳感器陣列實(shí)時(shí)采集熱擾動(dòng)數(shù)據(jù)，在將熱擾動(dòng)數(shù)據(jù)通過有線直連數(shù)據(jù)線傳輸?shù)街锌胤?wù)器中；

4、s2、在中控服務(wù)器中對(duì)熱擾動(dòng)數(shù)據(jù)進(jìn)行特征提取，獲取熱擾特征集，并對(duì)熱擾特征集進(jìn)行預(yù)處理，獲取標(biāo)準(zhǔn)化數(shù)字集；

5、s3、基于標(biāo)準(zhǔn)化數(shù)字集進(jìn)行計(jì)算輸出熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend，并設(shè)置趨勢(shì)區(qū)間閾值與熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend進(jìn)行初步對(duì)比評(píng)估，基于初步對(duì)比評(píng)估結(jié)果進(jìn)行觸發(fā)自穩(wěn)定控制機(jī)制；

6、s4、基于初步對(duì)比評(píng)估觸發(fā)動(dòng)態(tài)姿態(tài)調(diào)節(jié)，通過提取當(dāng)前機(jī)器人的結(jié)構(gòu)穩(wěn)定指數(shù)estab結(jié)合熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend，進(jìn)行計(jì)算輸出姿態(tài)偏移角oproj；

7、s5、將熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend和姿態(tài)偏移角oproj進(jìn)行綜合計(jì)算輸出調(diào)節(jié)觸發(fā)決策函數(shù)jctrl，并設(shè)置觸發(fā)閾值cth進(jìn)行二次對(duì)比評(píng)估，觸發(fā)控制邏輯。

8、優(yōu)選的，所述s1包括s11和s12；

9、s11、在管道清洗機(jī)器人的前后左右對(duì)稱位置設(shè)置采集點(diǎn)，并在每個(gè)采集點(diǎn)內(nèi)安裝熱流擾動(dòng)傳感器陣列，實(shí)時(shí)采集每個(gè)采集點(diǎn)的熱擾動(dòng)數(shù)據(jù)，其中，熱流擾動(dòng)傳感器陣列設(shè)置數(shù)量大于等于4組；

10、所述熱流擾動(dòng)傳感器陣列包括陣列式mems熱敏傳感器、tof超聲微波發(fā)射器、tof超聲微波接收器和紅外熱成像傳感器；

11、所述熱擾動(dòng)數(shù)據(jù)包括第i采集點(diǎn)溫度ti、返回信號(hào)、熱對(duì)流主方向矢量vflow和機(jī)器人前進(jìn)方向矢量vmove；

12、s12、通過管道清洗機(jī)器人后端直連的數(shù)據(jù)傳輸線，將實(shí)時(shí)采集到的熱擾動(dòng)數(shù)據(jù)傳輸?shù)剑艿狼逑礄C(jī)器人的中控服務(wù)器中。

13、優(yōu)選的，所述s2包括s21和s22；

14、s21、在中控服務(wù)器中對(duì)熱擾動(dòng)數(shù)據(jù)進(jìn)行特征提取，獲取熱擾特征集；

15、所述熱擾特征集包括第i采集點(diǎn)的熱梯度rtgrad（i）、第i采集點(diǎn)的擾動(dòng)漩渦密度pvortex（i）和第i采集點(diǎn)的對(duì)流方向偏差ddiv（i）；

16、所述熱梯度rtgrad通過基于每個(gè)陣列式mems熱敏傳感器點(diǎn)對(duì)間的溫度t差，在除以傳感器點(diǎn)對(duì)間的距離，計(jì)算提取；

17、所述擾動(dòng)漩渦密度pvortex通過tof超聲微波發(fā)射器發(fā)射超聲波脈沖，再通過tof超聲微波接收器進(jìn)行接收返回信號(hào)，使用快速傅里葉變換fft提取返回信號(hào)的擾動(dòng)波形譜圖，基于擾動(dòng)波形譜圖，并設(shè)定擾動(dòng)峰判定規(guī)則，推導(dǎo)出在空間區(qū)域的內(nèi)統(tǒng)計(jì)單位時(shí)間窗口中擾動(dòng)事件數(shù)的占比獲取；

18、所述對(duì)流方向偏差ddiv通過基于熱對(duì)流主方向矢量vflow和機(jī)器人前進(jìn)方向矢量vmove，進(jìn)行反余弦函數(shù)arccos計(jì)算提取；

19、s22、在對(duì)熱擾特征集進(jìn)行預(yù)處理，獲取標(biāo)準(zhǔn)化數(shù)字集；

20、所述預(yù)處理包括異常值檢測和歸一化處理；

21、所述異常值檢測通過使用iqr四分位差方法，進(jìn)行去除熱擾特征集中極端波動(dòng)，在使用均值向量法，對(duì)去除位置的熱擾特征集數(shù)據(jù)進(jìn)行補(bǔ)全；

22、所述歸一化處理通過對(duì)異常值檢測的熱擾特征集，使用min-max歸一化方法將不同維度和尺度的物理量歸一到[0,1]區(qū)間內(nèi)，進(jìn)行消除量綱的影響。

23、優(yōu)選的，所述s3包括s31和s32；

24、s31、基于所有采集點(diǎn)獲取的標(biāo)準(zhǔn)化數(shù)字集，進(jìn)行計(jì)算輸出擾動(dòng)聚集趨勢(shì)指數(shù)rtrend，分享采集點(diǎn)內(nèi)的熱擾動(dòng)聚焦程度、方向偏轉(zhuǎn)程度與空間復(fù)雜性；

25、所述擾動(dòng)聚集趨勢(shì)指數(shù)rtrend通過以下算法公式計(jì)算輸出；

26、；

27、式中，n表示采集點(diǎn)總數(shù)，sin表示正弦函數(shù)。

28、優(yōu)選的，s32、通過實(shí)驗(yàn)標(biāo)定法進(jìn)行設(shè)置趨勢(shì)區(qū)間閾值，所述趨勢(shì)區(qū)間閾值包括第一趨勢(shì)閾值f1和第二趨勢(shì)閾值f2，在將實(shí)時(shí)獲取的擾動(dòng)聚集趨勢(shì)指數(shù)rtrend與趨勢(shì)區(qū)間閾值進(jìn)行初步對(duì)比評(píng)估，判斷當(dāng)前管道清洗機(jī)器人溫度擾動(dòng)、旋渦密集情況和偏轉(zhuǎn)方向情況，并基于初步對(duì)比評(píng)估結(jié)果進(jìn)行區(qū)域劃分，具體評(píng)估內(nèi)容如下；

29、當(dāng)擾動(dòng)聚集趨勢(shì)指數(shù)rtrend＜第一趨勢(shì)閾值f1時(shí)，表示擾動(dòng)分散，此時(shí)劃分為穩(wěn)定流區(qū)，繼續(xù)保持當(dāng)前運(yùn)行狀態(tài)；

30、當(dāng)?shù)谝悔厔?shì)閾值f1≤擾動(dòng)聚集趨勢(shì)指數(shù)rtrend＜第二趨勢(shì)閾值f2時(shí)，表示當(dāng)前區(qū)域擾動(dòng)聚集，此時(shí)劃分為可控?cái)_動(dòng)區(qū)，并啟動(dòng)姿態(tài)預(yù)警補(bǔ)償模式；

31、所述姿態(tài)預(yù)警補(bǔ)償模式通過提取下一周期的標(biāo)準(zhǔn)化數(shù)字集，進(jìn)行二次計(jì)算輸出擾動(dòng)聚集趨勢(shì)指數(shù)rtrend，并執(zhí)行二次初步評(píng)估，仍處于第一趨勢(shì)閾值f1≤擾動(dòng)聚集趨勢(shì)指數(shù)rtrend＜第二趨勢(shì)閾值f2時(shí)，此時(shí)將當(dāng)前區(qū)域劃分到擾動(dòng)異常區(qū)域，觸發(fā)動(dòng)態(tài)姿態(tài)調(diào)節(jié)；

32、當(dāng)擾動(dòng)聚集趨勢(shì)指數(shù)rtrend≥第二趨勢(shì)閾值f2時(shí)，表示熱擾動(dòng)渦旋集中，方向偏斜明顯，此時(shí)劃分為擾動(dòng)異常區(qū)域，并觸發(fā)動(dòng)態(tài)姿態(tài)調(diào)節(jié)。

33、優(yōu)選的，所述s4包括s41和s42；

34、s41、在初步對(duì)比評(píng)估觸發(fā)動(dòng)態(tài)姿態(tài)調(diào)節(jié)后，啟動(dòng)管道清洗機(jī)器人自帶的三軸陀螺、加速度imu模塊和抗震imu實(shí)時(shí)采集機(jī)器人的姿態(tài)數(shù)據(jù)，并對(duì)姿態(tài)數(shù)據(jù)進(jìn)行歸一化處理后，進(jìn)行計(jì)算提取結(jié)構(gòu)穩(wěn)定指數(shù)estab；

35、所述姿態(tài)數(shù)據(jù)包括機(jī)器人繞中心的旋轉(zhuǎn)慣量irot、當(dāng)前角速度w和震動(dòng)沖擊力fvib；

36、所述結(jié)構(gòu)穩(wěn)定指數(shù)estab通過以下算法公式計(jì)算輸出；

37、；

38、式中，mbase表示機(jī)器人自重，g表示重力加速度，均由用戶初始設(shè)定，取值無量綱。

39、優(yōu)選的，s42、基于所獲取的結(jié)構(gòu)穩(wěn)定指數(shù)estab結(jié)合熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend，進(jìn)行計(jì)算輸出姿態(tài)偏移角oproj，分析管道清洗機(jī)器人由于擾動(dòng)影響而出現(xiàn)的最大姿態(tài)偏移角度；

40、所述姿態(tài)偏移角oproj通過以下算法公式計(jì)算輸出；

41、；

42、式中，表示擾動(dòng)放大系數(shù)，取值無量綱，由用戶根據(jù)機(jī)器人結(jié)構(gòu)對(duì)擾動(dòng)趨勢(shì)的敏感程度進(jìn)行設(shè)置。

43、優(yōu)選的，所述s5包括s51和s52；

44、s51、基于所獲取的姿態(tài)偏移角oproj和擾動(dòng)聚集趨勢(shì)指數(shù)rtrend，將自身調(diào)節(jié)的能力與當(dāng)前外部擾動(dòng)的趨勢(shì)發(fā)展速度進(jìn)行耦合，綜合計(jì)算輸出調(diào)節(jié)觸發(fā)決策函數(shù)jctrl，衡量當(dāng)前管道清洗機(jī)器人在運(yùn)行過程中姿態(tài)情況；

45、所述調(diào)節(jié)觸發(fā)決策函數(shù)jctrl通過以下算法公式計(jì)算輸出；

46、；

47、式中，wcomp表示補(bǔ)償速率，取值無量綱，d表示積分函數(shù)，dt表示時(shí)間積分函數(shù)，表示極小數(shù)，防止除0，表示擾動(dòng)趨勢(shì)增長率，表示擾動(dòng)趨勢(shì)增長率的權(quán)重因子，取值無量綱，由用戶進(jìn)行設(shè)置。

48、優(yōu)選的，s52、通過提取機(jī)器人履帶差速控制的最大補(bǔ)償速率wcompmax，同時(shí)基于最大可控?cái)_動(dòng)下的姿態(tài)偏移角oprojmax，將最大補(bǔ)償速率wcompmax和姿態(tài)偏移角oprojmax進(jìn)行比值計(jì)算，并加上擾動(dòng)發(fā)展速度疊加因子進(jìn)行設(shè)置觸發(fā)閾值cth，在將實(shí)時(shí)獲取的調(diào)節(jié)觸發(fā)決策函數(shù)jctrl與觸發(fā)閾值cth進(jìn)行二次對(duì)比評(píng)估，分析當(dāng)期管道清洗機(jī)器人姿態(tài)運(yùn)行情況，并根據(jù)二次對(duì)比評(píng)估結(jié)果進(jìn)行觸發(fā)控制邏輯，具體評(píng)估內(nèi)容如下；

49、當(dāng)調(diào)節(jié)觸發(fā)決策函數(shù)jctrl≤觸發(fā)閾值cth時(shí)，表示當(dāng)前管道清洗機(jī)器人具備自我穩(wěn)定能力，此時(shí)觸發(fā)第一控制邏輯；

50、當(dāng)調(diào)節(jié)觸發(fā)決策函數(shù)jctrl＞觸發(fā)閾值cth時(shí)，表示當(dāng)前廣島清洗機(jī)器人擾動(dòng)發(fā)展超過控制能力上限，此時(shí)觸發(fā)第二控制邏輯；

51、所述第一控制邏輯通過將管道清洗機(jī)器人的履帶的輪速進(jìn)行對(duì)稱調(diào)整，保持前向穩(wěn)定，同時(shí)激活側(cè)向微推狀態(tài)，不激活高能耗裝置；

52、所述第二控制邏輯通過自動(dòng)開啟管道清洗機(jī)器人的自穩(wěn)支架，并減速50%。

53、一種用于工業(yè)機(jī)器人的智能控制系統(tǒng)，包括感知采集模塊、感知處理模塊、擾動(dòng)分析模塊、姿態(tài)分析模塊和綜合控制模塊；

54、所述感知采集模塊通過在管道清洗機(jī)器人上設(shè)置采集點(diǎn)，構(gòu)建熱流擾動(dòng)傳感器陣列，并通過熱容量密度傳感器陣列實(shí)時(shí)采集熱擾動(dòng)數(shù)據(jù)，在將熱擾動(dòng)數(shù)據(jù)通過有線直連數(shù)據(jù)線傳輸?shù)街锌胤?wù)器中；

55、所述感知處理模塊通過在中控服務(wù)器中對(duì)熱擾動(dòng)數(shù)據(jù)進(jìn)行特征提取，獲取熱擾特征集，并對(duì)熱擾特征集進(jìn)行預(yù)處理，獲取標(biāo)準(zhǔn)化數(shù)字集；

56、所述擾動(dòng)分析模塊通過基于標(biāo)準(zhǔn)化數(shù)字集進(jìn)行計(jì)算輸出熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend，并設(shè)置趨勢(shì)區(qū)間閾值與熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend進(jìn)行初步對(duì)比評(píng)估，基于初步對(duì)比評(píng)估結(jié)果進(jìn)行觸發(fā)自穩(wěn)定控制機(jī)制；

57、所述姿態(tài)分析模塊通過基于初步對(duì)比評(píng)估觸發(fā)動(dòng)態(tài)姿態(tài)調(diào)節(jié)，通過提取當(dāng)前機(jī)器人的結(jié)構(gòu)穩(wěn)定指數(shù)estab結(jié)合熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend，進(jìn)行計(jì)算輸出姿態(tài)偏移角oproj；

58、所述綜合控制模塊通過將熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend和姿態(tài)偏移角oproj進(jìn)行綜合計(jì)算輸出調(diào)節(jié)觸發(fā)決策函數(shù)jctrl，并設(shè)置觸發(fā)閾值cth進(jìn)行二次對(duì)比評(píng)估，觸發(fā)控制邏輯。

59、本發(fā)明提供了一種用于工業(yè)機(jī)器人的智能控制方法及系統(tǒng)。具備以下有益效果：

60、（1）該方法通過在管道清洗機(jī)器人上設(shè)置前后左右對(duì)稱的采集點(diǎn)，構(gòu)建包括mems熱敏傳感器、tof超聲微波器件和紅外熱成像模塊的熱流擾動(dòng)傳感器陣列，能夠在管道內(nèi)部高溫、水霧、結(jié)構(gòu)轉(zhuǎn)角等復(fù)雜擾動(dòng)環(huán)境下，實(shí)時(shí)獲取熱擾動(dòng)數(shù)據(jù)，并通過有線數(shù)據(jù)鏈路傳輸至中控服務(wù)器。在對(duì)熱擾動(dòng)數(shù)據(jù)經(jīng)由特征提取、異常值檢測與歸一化預(yù)處理，形成標(biāo)準(zhǔn)化數(shù)字集，確保后續(xù)計(jì)算的準(zhǔn)確性與穩(wěn)定性。在通過對(duì)標(biāo)準(zhǔn)化數(shù)字集進(jìn)行聚合運(yùn)算，得到擾動(dòng)聚集趨勢(shì)指數(shù)rtrend，并結(jié)合實(shí)驗(yàn)標(biāo)定的設(shè)置趨勢(shì)區(qū)間閾值，實(shí)現(xiàn)對(duì)擾動(dòng)狀態(tài)的等級(jí)劃分與趨勢(shì)演化預(yù)判，顯著提升了機(jī)器人在擾動(dòng)發(fā)生前的識(shí)別能力與響應(yīng)前瞻性。

61、（2）該方法通過基于初步對(duì)比評(píng)估結(jié)果觸發(fā)動(dòng)態(tài)姿態(tài)調(diào)節(jié)機(jī)制，并通過imu傳感器采集的旋轉(zhuǎn)慣量irot、角速度w和震動(dòng)沖擊力fvib，計(jì)算輸出結(jié)構(gòu)穩(wěn)定指數(shù)estab，量化當(dāng)前機(jī)器人抗干擾能力。隨后將結(jié)構(gòu)穩(wěn)定指數(shù)estab與熱擾動(dòng)聚集趨勢(shì)指數(shù)rtrend結(jié)合，通過設(shè)定擾動(dòng)放大系數(shù)，計(jì)算預(yù)測姿態(tài)偏移角oproj，有效估算機(jī)器人未來δt時(shí)間內(nèi)可能出現(xiàn)的最大偏移風(fēng)險(xiǎn)。在進(jìn)一步將姿態(tài)偏移角oproj和擾動(dòng)聚集趨勢(shì)指數(shù)rtrend進(jìn)行耦合，結(jié)合當(dāng)前最大補(bǔ)償速率wcomp與擾動(dòng)發(fā)展速度，構(gòu)建調(diào)節(jié)觸發(fā)決策函數(shù)jctrl，并與設(shè)定的觸發(fā)閾值cth進(jìn)行對(duì)比評(píng)估，精準(zhǔn)判定機(jī)器人是否進(jìn)入姿態(tài)調(diào)節(jié)邏輯。通過上述步驟，能夠?qū)崿F(xiàn)對(duì)擾動(dòng)趨勢(shì)、穩(wěn)定能力和姿態(tài)風(fēng)險(xiǎn)的聯(lián)動(dòng)建模與響應(yīng)控制，提升了姿態(tài)調(diào)節(jié)系統(tǒng)的動(dòng)態(tài)精度與魯棒性。

62、（3）該方法通過設(shè)置調(diào)節(jié)觸發(fā)決策函數(shù)jctrl與觸發(fā)閾值cth的雙層評(píng)估機(jī)制，可將機(jī)器人在不同擾動(dòng)等級(jí)下的響應(yīng)策略進(jìn)行差異化控制。其中，若調(diào)節(jié)觸發(fā)決策函數(shù)jctrl小于等于觸發(fā)閾值cth，則觸發(fā)第一控制邏輯，僅通過履帶輪速對(duì)稱調(diào)整與側(cè)向微推狀態(tài)完成微調(diào)補(bǔ)償，保持低功耗運(yùn)行；當(dāng)調(diào)節(jié)觸發(fā)決策函數(shù)jctrl超過觸發(fā)閾值cth時(shí)，則進(jìn)入第二控制邏輯，自動(dòng)開啟自穩(wěn)支架并實(shí)施50%速度降速措施，保障在嚴(yán)重?cái)_動(dòng)環(huán)境下的穩(wěn)定運(yùn)行。該方法通過將姿態(tài)預(yù)測模型、補(bǔ)償能力評(píng)估與擾動(dòng)增長趨勢(shì)建模有機(jī)融合，實(shí)現(xiàn)了系統(tǒng)控制資源按需分配與層級(jí)響應(yīng)，有效避免傳統(tǒng)系統(tǒng)因響應(yīng)滯后或全時(shí)高能耗運(yùn)行造成的能耗冗余與控制超調(diào)問題，從而提升了系統(tǒng)整體運(yùn)行的節(jié)能性、安全性與長期穩(wěn)定性。