杨静宜，崔建弘*，庞雅静

(1. 河北工程技术学院，河北 石家庄 050000；2. 河北科技大学，河北 石家庄 050000)

1 引言

作为人机协作的计算研究对象之一，人机协调操作感知控制备受研究人员的关注，成为现阶段重点研究的对象之一。

为了实现人机协同操作，需要在机器人控制系统中添加人的行为感知特征信息，使人和机器人共同工作时，机器人能够更好地匹配人体的运动模式。一般而言，阻抗控制大致可分为直接分配、力控制、阻抗与控制等，比较有代表性的是阻抗控制方法，具体操作即将控制坐标信息与接触力信息统一起来，通过控制结果来控制操作的感知，但是这种方法只有依靠固定环境间的接触力量，机器人才能完美地响应人体直接接触，存在工作空间的限制；另一种有代表性的是一种既变阻尼控制，又称变阻尼性控制方法，首先分析人与人之间的协调特点，根据速度的快慢设定不同的阻尼参数，从而控制机器人的协调动作，但是降低了人机之间的作用力，造成操作者和机器人在执行任务时，出现延迟或系统故障等问题；另一种关节控制方法是通过关节空间的动力学模型，基于增广PD控制理论，补偿耦合力及摩擦力，设计主动关节的同步控制，但是仅靠速度信息并不能很好地控制人与机器人之间的配合。

针对上述问题，本文提出了一种基于特征深度学习的机器人协调操作感知控制方法，其关键在于依靠迭代来估算目标函数的最优质解，优化网络信息交互的拓扑结构，特征深度学习感知单元，减少数据量较大对计算机梯度的消耗，实现操作者与机器人之间的协调操作感知性能。……