CN106346513B - 一种六自由度机器人末端负载动力学参数辨识装置及方法 - Google Patents
一种六自由度机器人末端负载动力学参数辨识装置及方法 Download PDFInfo
- Publication number
- CN106346513B CN106346513B CN201610903529.3A CN201610903529A CN106346513B CN 106346513 B CN106346513 B CN 106346513B CN 201610903529 A CN201610903529 A CN 201610903529A CN 106346513 B CN106346513 B CN 106346513B
- Authority
- CN
- China
- Prior art keywords
- load
- parameter
- identification
- real
- torque
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000005284 excitation Effects 0.000 claims abstract description 14
- 230000033001 locomotion Effects 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 14
- 230000005484 gravity Effects 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 238000005303 weighing Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000005381 potential energy Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000005070 sampling Methods 0.000 abstract description 4
- 238000006073 displacement reaction Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种六自由度机器人末端负载动力学参数辨识装置,包括六轴工业机器人、可替换地设置在所述六轴工业机器人末端的若干不同质量的负载、实时控制***,所述的实时控制***用于对机器人实施毫秒级的实时运动数据采集;采集的实时运动数据包括编码器值,力矩值。本发明还公开了一种六自由度机器人末端负载动力学参数辨识方法。本发明采用了优化的激励轨迹进行数据采样,以拉格朗日方程建立动力学模型,采用带权最小二乘法求解辨识参数;传感***采用高效实时控制***,可实现对机器人的毫秒级的实时数据采集,包括位移、电机输出等,采集数据量可扩展,具有可变性的特点,满足对工业机器人末端负载动力学参数的辨识。
Description
技术领域
本发明涉及应用于末端负载动力学参数辨识的方法及六自由度工业机器人装置,既涉及机械结构的改进,也涉及算法上的创新以及高效传感***,为辨识得到末端不同负载动力学参数提供了测试方法及工具。
背景技术
当今,机器人动力学参数辨识的测试装置很多。包括四自由度的以及六自由度的工业机器人。工业机器人的仿真和控制都需要有一个精确的机器人动力学模型。目前,许多轻型高性能的机器人广泛采用具有相对柔性的谐波驱动器来驱动关节运动,关节柔性不可忽略。因此建立精确的柔性关节机器人动力学模型,需要有比较好的参数辨识方法。
对于工业机器人来说,通常只有电机位置和电机力矩数据可测。因此用于柔性关节机器人动力学参数辨识的外加传感器主要有加速度传感器,连杆位置和速度传感器,力矩传感器等。从实际应用的角度来说,因为对机器人来说,增加额外的内部传感器不但成本昂贵,而且有时是无法实现的。因此,许多学者提出了仅仅需要电机力矩和电机位置信息的辨识方法。在这些方法中,弹性偏差不是采用附加传感器测量的,而是通过解包含未知参数的运动方程得到的。
目前,末端负载动力学参数辨识的方法各不同。对于不同型号的工业机器人来说,建立的动力学模型以及最优的激励轨迹是不一样的。采用的传感***也有所差异,因而数据的采集途径也不相同。
然而,很多六自由度工业机器人末端负载动力学参数辨识的平台辨识效果不是很理想,因为所用的软硬件的兼容性不佳以及算法的选择不当,导致辨识的结果存在很大的误差。
发明内容
为解决对工业机器人末端负载动力学参数辨识的问题,本发明提供了一种六自由度机器人末端负载动力学参数辨识装置及方法,利用机械结构上一系列不同的负载来设计辨识负载的实验方案,设计最优激励轨迹,从而用实时控制***采集数据,为辨识负载动力学参数结果提供了外在条件。
本发明的目的通过如下技术方案实现:
一种六自由度机器人末端负载动力学参数辨识装置,包括六轴工业机器人、可替换地设置在所述六轴工业机器人末端的若干不同质量的负载、实时控制***,所述的实时控制***用于对机器人实施毫秒级的实时运动数据采集。
进一步地,采集的实时运动数据包括编码器值,力矩值。
进一步地,所述的负载的材料为钢。
一种基于所述装置的六自由度机器人末端负载动力学参数辨识方法,包括步骤:
(1)根据拉格朗日方程建立动力学模型;
(2)设计激励轨迹;
(3)通过实时控制***对机器人实施毫秒级的实时数据采集,并对多次采样数据作平均以及中心差分法提高信噪比;
(4)负载参数辨识,将参变量代入建好的动力学模型,然后估计出要辨识的动力学参数;
(5)模型验证,利用辨识到的负载动力学参数计算出力矩理论值与读取到的实际力矩值相比较,验证模型准确度。
进一步地,所述的步骤(1)具体包括:
(11)、选定广义坐标,建立有限维模型,选择关节变量和柔性连杆的模态坐标为广义坐标;
(12)、建立动能,势能和虚功表达式;
(13)、对拉格朗日方程进行推导和整理,推导出必要的惯性力项、科氏力和向心力项、重力项、摩擦力项;
(14)、将拉格朗日动力学方程整合成计算力矩的线性方程形式。
进一步地,所述的步骤(14)具体包括:
(141)根据:
推导后得出完整的动力学公式:
其中,计算的惯性参数项为:
Tp是坐标系P相对于基坐标系0的变换矩阵;qi为各个关节角度值;
JP是伪惯性矩阵:
计算的向心力和科氏力系数项为:
计算的重力项为
计算的摩擦力项:
Fvj,Fsj是粘性摩擦力,库伦摩擦力系数;
(142)最后将拉格朗日动力学方程化简,提取要辨识的基础动力学参数χ:
计算力矩的线性方程可化为:
τ=Wχ+ρ。
进一步地,所述步骤(2)具体包括:
设计采用周期性轨迹,每个关节的激励轨迹是正弦和余弦函数的代数和,即有限的傅立叶级数函数,则机器人每个关节的关节位置qi,速度和加速度规划如下
进一步地,所述步骤(4)具体包括:
(41)结合三种不同的负载辨识方法对负载动力学参数进行辨识,第一负载辨识方法利用已经简化出来的基础动力学参数的耦合项进行差值相减,得到的差值再与三维制图软件得到的负载惯量数据进行误差分析进行辨识;第二负载辨识方法利用有无负载时读取的力矩数值进行辨识;第三负载辨识方法利用全局辨识机器人动力学参数与负载参数。
(42)从三种辨识结果中选取最优辨识结果。
进一步地,所述的步骤(41)中:
所述的第一负载辨识方法包括步骤:
(401)根据方程τ=Wχ+ρ,用最小二乘法计算出估计值χ;
(402)选取最优的轨迹进行实验,先不装负载进行参数辨识,得到一组零负载时基础动力学参数χ0;
(403)然后再用相同的轨迹进行实验,用第一组负载进行参数辨识,得到第一组的负载基础动力学参数χ1;
(404)再换用第二组负载进行参数辨识,得到第二组负载基础动力学参数χ2;
(405)求取第一组负载的基础动力学参数:Δχ1=χ1-χ0;
(406)求取第二组负载的基础动力学参数:Δχ2=χ2-χ0;
所述的第二负载辨识方法包括步骤:
(411)不装负载的条件下读取力矩数值,记作YWL,再装上负载的条件下读取力矩数值,记作YT;
(412)求得辨识方程为
其中,W+=(WTW)-1WT
YT-YWL为(6×ne)×1矩阵;
所述的第三负载辨识方法包括步骤:
(421)将零负载条件下的动力学方程和带上负载时候的动力学方程变形成矩阵相乘的形式:
其中:
Ya=Waχ
Yb=Wbχ+WLχ
(422)然后用加权最小二乘法WLS求解上述矩阵方程。
进一步地,所述的步骤(5)还包括步骤:
利用称重实验法对负载的质量数据进行检验和分析,可为辨识的准确性提供理论依据。
本发明的工作原理是:将不同的负载装载于六自由度工业机器人末端,利用设计好的已经优化的激励轨迹进行数据实时采样,通过一系列的数据处理,将参变量代入建好的动力学模型,然后估计出要辨识的动力学参数,最后验证模型的准确性。
相对于现有技术,本发明的具有如下优点:
(1)本发明是通过配备一系列不同的负载,并可辨识到负载的动力学参数,验证参数由三维设计制图软件提供。
(2)本发明是通过称重实验法,检验辨识到的负载质量的准确性,也是验证模型准确度的证据。
(3)最优的激励轨迹为机器人辨识提供了有效的采样条件,很大程度上改善了辨识的效果。
(4)本发明通过采用高效实时控制***进行数据采样,实现了毫秒级实时数据采集,保证了采集样本的精度。采集数据包括位移以及电机输出等,数据量可扩展,从而提供了辨识的理论基础。
附图说明
图1是本发明的六自由度工业机器人负载动力学参数辨识装置示意图。
图2是辨识对象第一负载。
图3是辨识对象第二负载。
图4参数辨识流程图。
图中所示为:1-负载;2-六轴工业机器人。
具体实施方式
为进一步理解本发明,下面结合附图和实施例对本发明做进一步说明,但是需要说明的是,本发明要求保护的范围并不局限于实施例表述的范围。
实施例一
如图1至图3所示,一种六自由度机器人末端负载动力学参数辨识装置,包括六轴工业机器人2、可替换地设置在所述六轴工业机器人末端的若干不同质量的负载1、实时控制***,所述的实时控制***用于对机器人实施毫秒级的实时运动数据采集。
具体而言,采集的实时运动数据包括编码器值,力矩值。
具体而言,所述的负载的材料为钢。
本实施例利用三维设计制图软件设计一系列不同配备的负载1,质量可自行设计,本实验设计有第一负载、第二负载;自行设计负载时采用钢材质,并加工出来。
实施例二
如图4所示,一种基于所述装置的六自由度机器人末端负载动力学参数辨识方法,包括步骤:
(1)根据拉格朗日方程建立动力学模型;
(2)设计激励轨迹;
(3)通过实时控制***对机器人实施毫秒级的实时数据采集,并对多次采样数据作平均以及中心差分法提高信噪比;采集数据量可扩展,既保证了采样数据的充足,也为辨识末端负载的动力学参数提供了数据基础。
(4)负载参数辨识,将参变量代入建好的动力学模型,然后估计出要辨识的动力学参数;
(5)模型验证,利用辨识到的负载动力学参数计算出力矩理论值与读取到的实际力矩值相比较,验证模型准确度。
具体而言,所述的步骤(1)具体包括:
(11)、选定广义坐标,建立有限维模型,选择关节变量和柔性连杆的模态坐标为广义坐标;
(12)、建立动能,势能和虚功表达式;
(13)、对拉格朗日方程进行推导和整理,推导出必要的惯性力项、科氏力和向心力项、重力项、摩擦力项;
(14)、将拉格朗日动力学方程整合成计算力矩的线性方程形式。
具体而言,所述的步骤(14)具体包括:
(141)根据:
推导后得出完整的动力学公式:
其中,计算的惯性参数项为:
Tp是坐标系P相对于基坐标系0的变换矩阵;qi为各个关节角度值;
JP是伪惯性矩阵:
计算的向心力和科氏力系数项为:
计算的重力项为
计算的摩擦力项:
Fvj,Fsj是粘性摩擦力,库伦摩擦力系数;
(142)最后将拉格朗日动力学方程化简,提取要辨识的基础动力学参数χ:
计算力矩的线性方程可化为:
τ=Wχ+ρ。
具体而言,所述步骤(2)具体包括:
设计采用周期性轨迹,每个关节的激励轨迹是正弦和余弦函数的代数和,即有限的傅立叶级数函数,则机器人每个关节的关节位置qi,速度和加速度规划如下
具体而言,所述步骤(4)具体包括:
(41)结合三种不同的负载辨识方法对负载动力学参数进行辨识,第一负载辨识方法利用已经简化出来的基础动力学参数的耦合项进行差值相减,得到的差值再与三维制图软件得到的负载惯量数据进行误差分析进行辨识;第二负载辨识方法利用有无负载是读取的力矩数值进行辨识;第三负载辨识方法利用全局辨识机器人动力学参数与负载参数。
(42)从三种辨识结果中选取最优辨识结果。
具体而言,所述的步骤(41)中,
所述的第一负载辨识方法包括步骤:
(401)根据方程τ=Wχ+ρ,用最小二乘法计算出估计值χ;
(402)选取最优的轨迹进行实验,先不装负载进行参数辨识,得到一组零负载时基础动力学参数χ0;
(403)然后再用相同的轨迹进行实验,用第一组负载进行参数辨识,得到第一组的负载基础动力学参数χ1;
(404)再换用第二组负载进行参数辨识,得到第二组负载基础动力学参数χ2;
(405)求取第一组负载的基础动力学参数:Δχ1=χ1-χ0;
(406)求取第二组负载的基础动力学参数:Δχ2=χ2-χ0;
所述的第二负载辨识方法包括步骤:
(411)不装负载的条件下读取力矩数值,记作YWL,再装上负载的条件下读取力矩数值,记作YT;
(412)求得辨识方程为
其中,W+=(WTW)-1WT
YT-YWL为(6×ne)×1矩阵;
所述的第三负载辨识方法包括步骤:
(421)将零负载条件下的动力学方程和带上负载时候的动力学方程变形成矩阵相乘的形式:
其中:
Ya=Waχ
Yb=Wbχ+WLχ
(422)然后用加权最小二乘法WLS求解上述矩阵方程。
另外,所述的步骤(5)还包括步骤:
利用称重实验法对负载的质量数据进行检验和分析,可为辨识的准确性提供理论依据。用三维制图软件对不同的负载进行三维实体设计,可通过三维设计制图软件得出各个实体负载的惯性参数,与辨识出的实际负载动力学参数理论值进行误差分析。用上述所举出的三种负载动力学参数辨识方法辨识到的负载动力学参数用于线性方程τ=Wχ+ρ的计算,计算出的力矩理论值与读取到的实际力矩值相比较,从而利用力矩误差百分比分析其模型的准确性与辨识参数结果的准确性与可行性。
本实施例在设计激励轨迹时,考虑机器人运动的一系列约束条件,比如关节角度范围,速度范围等等。在激励时,分别采用不同的速度对数据进行采样。
本实施例采用的传感***为实时控制***,针对机器人的运动,实现了毫秒级的实时数据采集,包括位移,电机输出等。设计的软件结构中采集数据量可扩展,既保证了采样数据的充足,也为辨识末端负载的动力学参数提供了数据基础。
如图1所示、图2所示:
将第一负载装于机器人末端,然后用设计好的激励轨迹进行激励;数据采集与处理的工程中,一是将采集回来的关节位置信号经过良好的调谐带通滤波,从而用来计算出所需的角速度和角加速度,二是读取力矩值,然后经过数据处理,换算成需要的计算参数。
如图1所示、图3所示:
将第二负载装于机器人末端,然后再用设计好的最优激励轨迹激励,数据采集与处理的工程中,一是将采集回来的关节位置信号经过良好的调谐带通滤波,从而用来计算所需的角速度和角加速度,采集二是读取力矩值,然后经过数据处理,换算成需要的计算参数。
经过一系列的辨识准备步骤之后,结合三种不同的负载辨识方法对负载动力学参数进行辨识,选取最优辨识结果。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种六自由度机器人末端负载动力学参数辨识方法,基于六自由度机器人末端负载动力学参数辨识装置,所述六自由度机器人末端负载动力学参数辨识装置包括六轴工业机器人、可替换地设置在所述六轴工业机器人末端的若干不同质量的负载、实时控制***,所述的实时控制***用于对机器人实施毫秒级的实时运动数据采集;采集的实时运动数据包括编码器值,力矩值;所述的负载的材料为钢,其特征在于,包括步骤:
(1)根据拉格朗日方程建立动力学模型;
(2)设计激励轨迹;
(3)通过实时控制***对机器人实施毫秒级的实时数据采集,并对多次采样数据作平均以及中心差分法提高信噪比;
(4)负载参数辨识,将参变量代入建好的动力学模型,然后估计出要辨识的动力学参数;
(5)模型验证,利用辨识到的负载动力学参数计算出力矩理论值与读取到的实际力矩值相比较,验证模型准确度。
2.根据权利要求1所述的六自由度机器人末端负载动力学参数辨识方法,其特征在于,所述的步骤(1)具体包括:
(11)、选定广义坐标,建立有限维模型,选择关节变量和柔性连杆的模态坐标为广义坐标;
(12)、建立动能,势能和虚功表达式;
(13)、对拉格朗日方程进行推导和整理,推导出必要的惯性力项、科氏力和向心力项、重力项、摩擦力项;
(14)、将拉格朗日动力学方程整合成计算力矩的线性方程形式。
3.根据权利要求2所述的六自由度机器人末端负载动力学参数辨识方法,其特征在于,所述的步骤(14)具体包括:
(141)根据:
推导后得出完整的动力学公式:
其中,计算的惯性参数项为:
Tp是坐标系P相对于基坐标系0的变换矩阵;qi为各个关节角度值;
JP是伪惯性矩阵:
计算的向心力和科氏力系数项为:
计算的重力项为
计算的摩擦力项:
Fvj,Fsj是粘性摩擦力,库伦摩擦力系数;
(142)最后将拉格朗日动力学方程化简,提取要辨识的基础动力学参数χ:
计算力矩的线性方程可化为:
τ=Wχ+ρ。
4.根据权利要求1所述的六自由度机器人末端负载动力学参数辨识方法,其特征在于,所述步骤(2)具体包括:
设计采用周期性轨迹,每个关节的激励轨迹是正弦和余弦函数的代数和,即有限的傅立叶级数函数,则机器人每个关节的关节位置qi,速度和加速度规划如下
5.根据权利要求1所述的六自由度机器人末端负载动力学参数辨识方法,其特征在于,所述步骤(4)具体包括:
(41)结合三种不同的负载辨识方法对负载动力学参数进行辨识,第一负载辨识方法利用已经简化出来的基础动力学参数的耦合项进行差值相减,得到的差值再与三维制图软件得到的负载惯量数据进行误差分析进行辨识;第二负载辨识方法利用有无负载时读取的力矩数值进行辨识;第三负载辨识方法利用全局辨识机器人动力学参数与负载参数
(42)从三种辨识结果中选取最优辨识结果。
6.根据权利要求5所述的六自由度机器人末端负载动力学参数辨识方法,其特征在于,所述的步骤(41)中:
所述的第一负载辨识方法包括步骤:
(401)根据方程τ=Wχ+ρ,用最小二乘法计算出估计值χ;
(402)选取最优的轨迹进行实验,先不装负载进行参数辨识,得到一组零负载时基础动力学参数χ0;
(403)然后再用相同的轨迹进行实验,用第一组负载进行参数辨识,得到第一组的负载基础动力学参数χ1;
(404)再换用第二组负载进行参数辨识,得到第二组负载基础动力学参数χ2;
(405)求取第一组负载的基础动力学参数:Δχ1=χ1-χ0;
(406)求取第二组负载的基础动力学参数:Δχ2=χ2-χ0;
所述的第二负载辨识方法包括步骤:
(411)不装负载的条件下读取力矩数值,记作YWL,再装上负载的条件下读取力矩数值,记作YT;
(412)求得辨识方程为
其中,W+=(WTW)-1WT
YT-YWL为(6×ne)×1矩阵;
所述的第三负载辨识方法包括步骤:
(421)将零负载条件下的动力学方程和带上负载时候的动力学方程变形成矩阵相乘的形式:
其中:
Ya=Waχ
Yb=Wbχ+WLχ
(422)然后用加权最小二乘法WLS求解上述矩阵方程。
7.根据权利要求1所述的六自由度机器人末端负载动力学参数辨识方法,其特征在于,所述的步骤(5)还包括步骤:
利用称重实验法对负载的质量数据进行检验和分析,为辨识的准确性提供理论依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610903529.3A CN106346513B (zh) | 2016-10-17 | 2016-10-17 | 一种六自由度机器人末端负载动力学参数辨识装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610903529.3A CN106346513B (zh) | 2016-10-17 | 2016-10-17 | 一种六自由度机器人末端负载动力学参数辨识装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106346513A CN106346513A (zh) | 2017-01-25 |
CN106346513B true CN106346513B (zh) | 2019-04-09 |
Family
ID=57866972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610903529.3A Expired - Fee Related CN106346513B (zh) | 2016-10-17 | 2016-10-17 | 一种六自由度机器人末端负载动力学参数辨识装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106346513B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951658A (zh) * | 2017-03-31 | 2017-07-14 | 华南理工大学 | 一种串联机器人逆动力学快速计算方法 |
CN107016207A (zh) * | 2017-04-17 | 2017-08-04 | 珞石(北京)科技有限公司 | 基于特定关节运动的工业机器人负载动力学参数辨识方法 |
CN107498562A (zh) * | 2017-04-21 | 2017-12-22 | 浙江工业大学 | 六自由度机械臂动力学模型辨识方法 |
CN107391861A (zh) * | 2017-07-28 | 2017-11-24 | 珞石(山东)智能科技有限公司 | 不依赖本体动力学参数的工业机器人负载动力学参数辨识方法 |
CN107650126B (zh) * | 2017-11-07 | 2020-11-20 | 成都卡诺普自动化控制技术有限公司 | 六轴工业机器人动力学参数自动适应方法 |
CN108297093B (zh) * | 2017-12-29 | 2020-08-25 | 中国海洋大学 | 一种机械臂动力学参数的分步辨识方法 |
CN108717492A (zh) * | 2018-05-18 | 2018-10-30 | 浙江工业大学 | 基于改进的人工蜂群算法的机械臂动力学模型辨识方法 |
CN108638070A (zh) * | 2018-05-18 | 2018-10-12 | 珞石(山东)智能科技有限公司 | 基于动态平衡的机器人负载重力参数辨识方法 |
CN108714896B (zh) * | 2018-05-28 | 2021-07-16 | 华南理工大学 | 一种基于柔体动力学模型的机器人柔性力矩前馈控制方法 |
CN109249397B (zh) * | 2018-11-26 | 2021-07-23 | 北京无线电测量研究所 | 一种六自由度机器人动力学参数辨识方法和*** |
CN109773794B (zh) * | 2019-02-26 | 2022-01-25 | 浙江大学 | 一种基于神经网络的6轴机器人动力学参数辨识方法 |
CN110539302B (zh) * | 2019-07-18 | 2021-12-07 | 南京航空航天大学 | 一种工业机器人整体动力学建模及动力学参数辨识方法 |
CN110640791B (zh) * | 2019-10-28 | 2021-04-27 | 浙江工业大学 | 模拟工业机器人关节变负载变惯量的实验方法 |
CN110941884A (zh) * | 2019-11-24 | 2020-03-31 | 深圳华数机器人有限公司 | 一种基于增量式动力学的负载辨识方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034123B (zh) * | 2012-12-11 | 2016-01-27 | 中国科学技术大学 | 基于动力学模型参数辨识的并联机器人控制方法 |
DE102013010290A1 (de) * | 2013-06-19 | 2014-12-24 | Kuka Laboratories Gmbh | Überwachen eines kinematisch redundanten Roboters |
CN103495977B (zh) * | 2013-09-29 | 2015-07-08 | 北京航空航天大学 | 一种6r型工业机器人负载识别方法 |
CN104166346B (zh) * | 2014-08-06 | 2016-08-24 | 东北大学 | 一种基于摩擦补偿的伺服***控制方法 |
CN105643639A (zh) * | 2014-11-12 | 2016-06-08 | 沈阳新松机器人自动化股份有限公司 | 一种工业机器人负载辨识方法 |
CN104985598B (zh) * | 2015-06-24 | 2016-11-23 | 南京埃斯顿机器人工程有限公司 | 一种工业机器人碰撞检测方法 |
CN206216738U (zh) * | 2016-10-17 | 2017-06-06 | 华南理工大学 | 一种六自由度机器人末端负载动力学参数辨识装置 |
-
2016
- 2016-10-17 CN CN201610903529.3A patent/CN106346513B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN106346513A (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106346513B (zh) | 一种六自由度机器人末端负载动力学参数辨识装置及方法 | |
CN104985598B (zh) | 一种工业机器人碰撞检测方法 | |
US9434073B2 (en) | Robot apparatus and control method therefor | |
Du et al. | Online serial manipulator calibration based on multisensory process via extended Kalman and particle filters | |
García et al. | Sensor fusion for compliant robot motion control | |
CN103034123A (zh) | 基于动力学模型参数辨识的并联机器人控制方法 | |
Indri et al. | Friction modeling and identification for industrial manipulators | |
Moberg et al. | Modeling and parameter estimation of robot manipulators using extended flexible joint models | |
CN206216738U (zh) | 一种六自由度机器人末端负载动力学参数辨识装置 | |
CN109612476A (zh) | 基于惯性导航技术的地图重构方法、装置、惯性导航***及计算机存储介质 | |
Zweiri et al. | Parameter estimation for excavator arm using generalized Newton method | |
Chang-Siu et al. | Time-varying complementary filtering for attitude estimation | |
Do-Xuan et al. | Smartphone-based pedestrian dead reckoning and orientation as an indoor positioning system | |
Tang et al. | IMU-based full-body pose estimation for construction machines using kinematics modeling | |
Ismael et al. | Analysis, design, and implementation of an omnidirectional mobile robot platform | |
CN110720922B (zh) | 对象身体尺寸测量方法、装置和*** | |
Maged et al. | Stewart platform manipulator: State estimation using inertia sensors and unscented Kalman filter | |
CN113021414B (zh) | 一种工业机器人末端抖动程度测量评价方法 | |
Tang et al. | Study of IMU installation position for posture estimation of excavators | |
CN114562994A (zh) | 移动机器人处于动态环境中的定位方法 | |
D'Amore et al. | Imu-based manipulator kinematic identification | |
Akeila et al. | Implementation, calibration and testing of GFINS models based on six-accelerometer cube | |
Wilson et al. | Vehicle state prediction for outdoor autonomous high-speed off-road UGVs | |
CN114833828B (zh) | 二自由度***的惯性参数辨识方法、设备和介质 | |
Shang et al. | Exciting trajectories design for the dynamic identification of parallel manipulators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190409 |