近日，郑州大学电气与信息工程学院机器人感知与控制研究团队联合湖南大学、机器人视觉感知与控制国家工程研究中心在机器人柔顺控制方向取得进展。相关的研究成果以题为“Vision-Based Virtual Impedance Control for Robotic System Without Prespecified Task Trajectory”的论文于2023年1月23日出版在国际权威期刊《IEEE Transactions on Industrial Electronics》（中科院一区TOP，IF=8.16）和以题为“Event-Triggered Adaptive Neural Impedance Control of Robotic Systems”的论文于2023年5月17日在线发表在国际权威期刊《IEEE Transactions on Neural Networks and Learning Systems》（中科院一区TOP，IF=14.25）。博士生丁帅为论文第一作者，彭金柱教授为论文通讯作者，郑州大学为论文第一单位和通讯单位。
现有的研究中，环境模型和预先设定的任务轨迹是实现柔顺性交互控制目标不可或缺的。论文针对无预定任务轨迹的机器人系统，提出了一种基于视觉的虚拟阻抗控制方案，其中利用神经网络对未建模的动力学和参数不确定性进行补偿。该方案采用一种虚拟势场与阻抗控制相结合的控制框架来实现非接触阻抗控制。该控制框架不需要预先设定任务轨迹，而是通过将仿生Tau-J结合到虚拟阻抗模型中来生成任务轨迹。在虚拟阻抗控制方案中，利用虚拟势场产生的虚拟力实现任务轨迹的整形和跟踪，并通过视觉感知获得目标和障碍物的信息。利用Lyapunov稳定性理论对所提出的基于虚拟势场的控制方案进行了分析，并分别通过仿真和实验进行了验证。该项研究发表在《IEEE Transactions on Industrial Electronics》上。
为了减少机器人系统的计算负担和通信成本，论文提出了一种机器人系统事件触发自适应神经阻抗控制方案。控制方案中的阻抗控制用于实现机器人系统对环境的柔顺行为，径向基函数神经网络对机器人系统的不确定性进行估计。根据所设计的李雅普诺夫函数推导出神经网络的更新律，并利用李雅普诺夫理论分析了整个闭环控制系统的稳定性，同时设计了事件触发条件以避免Zeno behavior。数值模拟和实验测试表明，与自适应神经阻抗控制相比，所提出的事件触发自适应神经阻抗控制方案能够更好地控制机器人系统执行与环境的交互任务，同时降低计算负担和通信成本。该项研究发表在《IEEE Transactions on Neural Networks and Learning Systems》上。
论文信息：
Shuai Ding, Jinzhu Peng*,JianbinXin, Hui Zhang and Yaonan Wang “Vision-Based Virtual Impedance Control for Robotic System Without Prespecified Task Trajectory,” IEEE Transactions on Industrial Electronics, vol. 70, no. 6, pp. 6046-6056, 2023.
Shuai Ding, Jinzhu Peng*, Hui Zhang and Yaonan Wang, “Event-Triggered Adaptive Neural Impedance Control of Robotic Systems,” IEEE Transactions on Neural Networks and Learning Systems, doi: 10.1109/TNNLS.2023.3278301, 2023.
