Observer-based Control of Inflatable Robot with Variable Stiffness *
Observer-based Control of Inflatable Robot with Variable Stiffness *
复制标题
基于观察者的变刚度充气机器人控制 *
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
K. Althoefer
中科院分区：
文献类型：
--
作者：
A. Ataka;T. Abrar;F. Putzu;Hareesh Godaba;K. Althoefer
在过去的十年中，软机器人一直处于机器人革命的最前沿。由于所用软材料的灵活性，软机器人具有在新的应用领域执行新任务的能力-超越了使用传统刚性连杆机器人所能实现的。尽管有这些有前途的特性，但现在许多软机器人缺乏施加足够的力来执行各种现实任务的能力。这导致了刚度可控充气机器人的发展，灌输了在运动过程中修改其刚度的能力。然而，这种新功能对机器人控制提出了更大的挑战。在本文中，我们提出了一个基于模型的运动控制策略，以指导在其环境中的充气机器人手臂的尖端。弯曲的机器人建模使用欧拉-伯努利梁理论，考虑到机器人的结构刚度的变化。模型的参数估计在线使用基于扩展卡尔曼滤波器（EKF）的观测器。参数的估计用于近似雅可比矩阵在线和用于控制机器人的尖端也考虑在机器人的刚度的变化。基于织物的平面三自由度充气机械手的仿真结果和实验表明，所提出的控制算法具有良好的性能。
In the last decade, soft robots have been at the forefront of a robotic revolution. Due to the flexibility of the soft materials employed, soft robots are equipped with a capability to execute new tasks in new application areas -beyond what can be achieved using classical rigid-link robots. Despite these promising properties, many soft robots nowadays lack the capability to exert sufficient force to perform various real-life tasks. This has led to the development of stiffness-controllable inflatable robots instilled with the ability to modify their stiffness during motion. This new capability, however, poses an even greater challenge for robot control. In this paper, we propose a model-based kinematic control strategy to guide the tip of an inflatable robot arm in its environment. The bending of the robot is modelled using an Euler-Bernoulli beam theory which takes into account the variation of the robot’s structural stiffness. The parameters of the model are estimated online using an observer based on the Extended Kalman Filter (EKF). The parameters’ estimates are used to approximate the Jacobian matrix online and used to control the robot’s tip considering also variations in the robot’s stiffness. Simulation results and experiments using a fabric-based planar 3-degree-of-freedom (DOF) inflatable manipulators demonstrate the promising performance of the proposed control algorithm.
登录
查看更多内容
影响因子：
25
作者：
Hawkes, Elliot W.;Blumenschein, Laura H.;Okamura, Allison M.
通讯作者：
Okamura, Allison M.
影响因子：
5.7
作者：
Coad, Margaret M.;Blumenschein, Laura H.;Okamura, Allison M.
通讯作者：
Okamura, Allison M.
软体生长机器人的障碍辅助导航
DOI：
--
发表时间：
2018
期刊：
IEEE International Conference on Robotics and Automation
影响因子：
--
作者：
Greer, J. D.;Blumenschein, L. H.;Okamura, A. M.;Hawkes, E. W.
通讯作者：
Hawkes, E. W.
基于自适应卡尔曼滤波器的连续机器人无模型控制
影响因子：
6.4
作者：
Li, Minhan;Kang, Rongjie;Dai, Jian S.
通讯作者：
Dai, Jian S.