CN107942683A - 模块化机器人关节动力学参数辨识精度提高方法 - Google Patents
模块化机器人关节动力学参数辨识精度提高方法 Download PDFInfo
- Publication number
- CN107942683A CN107942683A CN201711415176.3A CN201711415176A CN107942683A CN 107942683 A CN107942683 A CN 107942683A CN 201711415176 A CN201711415176 A CN 201711415176A CN 107942683 A CN107942683 A CN 107942683A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- joint
- mover
- parameter identification
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明提供一种模块化机器人关节动力学参数辨识精度提高方法,采用牛顿‑欧拉法进行动力学建模,将改进的傅里叶级数激励轨迹应用于模块化机器人关节动力学参数辨识精度提高装置;利用传感器单元采集角度值、角速度值与力矩值;通过转速计测量的角速度值进行微分得到角加速度值,初步预处理信息;进行参数估计,将参变量带入动力学方程估算出动力学参数。本发明采用多传感融合技术,通过两个绝对式编码器分别直接实时测量关节端与电机端角度,增强了装置的安全性。直接测量的方式减少了控制单元的计算量,便于实现实时控制,且解决间接测量引起干扰与误差增大等问题,提高参数辨识精度。
Description
技术领域
本发明涉及一种模块化机器人关节动力学参数辨识精度提高方法。
背景技术
机器人在现在的生产、生活中扮演着越来越重要的角色,尤其通用性较强的模块化机器人。模块化机器人是一种以模块化关节、连杆及标准电气接口为基础,能够根据环境和任务需要自动或人为改变自身构型的机器人。由于模块化机器人构型可变等特点引起机器人不确定性增强,导致传统控制方法不满足目前机器人轨迹跟踪的要求,要提高机器人性能,需要建立考虑机器人精确关节动力学模型的方法,在此情况下,机器人关节参数辨识显得尤为重要,但目前现有的参数辨识方法与装置准确性较差。
现有参数辨识测量不精确的主要原因是:已有关节测量中一般采用电机内置编码器获得关节角度值,角速度与角加速值需要通过数学微分获得,这增加了噪声干扰与误差,部分机器人关节中安装有谐波减少器等装置,引入的柔性、间隙、迟滞等因素势必影响传统测量方式的精度。关节力矩值通常通过检测电机电流的间接方式获得,测量精度依赖电机性能,显然不准确。
现有激励轨迹存在优化步骤复杂、效率低下、起始和结束阶段噪声干扰大的缺点。已有参数辨识方法与装置中,不具有验证辨识方法准确性的过程,更无法优化更新辨识方法与装置。
上述问题是在模块化机器人关节动力学参数辨识过程中应当予以考虑并解决的问题。
发明内容
本发明的目的是提供一种模块化机器人关节动力学参数辨识精度提高方法解决现有技术中存在的关节力矩值通常通过检测电机电流的间接方式获得,测量精度依赖电机性能,显然不准确,致使现有参数辨识测量不精确的问题。
本发明的技术解决方案是:
一种模块化机器人关节动力学参数辨识精度提高装置的模块化机器人关节动力学参数辨识精度提高方法,包括以下步骤,
S1、采用牛顿-欧拉法进行动力学建模,得到动力学方程:
式中,表示观测矩阵,是关于的多项式形式,q为关节角度值,为角速度值,为角加速度值,x表示待辨识参数向量;τ表示力矩传感器测量的力矩值;
S2、将改进的傅里叶级数激励轨迹应用于模块化机器人关节动力学参数辨识精度提高装置;
S3、利用传感器单元采集角度值、角速度值与力矩值;
S4、通过转速计测量的角速度值进行微分得到角加速度值,初步预处理信息;
S5、进行参数估计,将参变量带入动力学方程估算出动力学参数。
进一步地,还包括步骤S6,步骤S6具体为,实验验证,将获得的辨识参数带入模型进行轨迹跟踪控制测试,通过跟踪误差验证辨识结果有效性,并根据结果不断优化辨识装置,待轨迹跟踪测试达到设定要求,停止优化,得到最终的辨识参数。
进一步地,步骤S2中激励轨迹函数为:
其中,tf=2π/ωf,j=INT(t/tf),q(0)=qinit,q(tf)=qinit,
式中,h表示谐波个数,t表示时间,m是整数,i表示第i关节数,ωf表示基频,N表示谐波的个数,j表示第j个周期,INT(·)表示取整函数,表示系数,qinit表示初始关节角向量,表示初始关节角速度向量,一个周期结束,机器人关节回到初始位姿,tf为周期;
将激励轨迹在PC工控机的上位机软件中以C语言的形式编写,以指令的形式传递给运动控制卡,运动控制卡通过通讯总线发送命令给驱动器。
进一步地,步骤S3具体为,20位绝对式编码器测量电机端角度,16位绝对式编码器测量关节负载端角度,转速计实时测量关节角速度,力矩传感器测量获得力矩值。
进一步地,步骤S4中初步预处理信息,具体为,将传感器单元获取的采集数据通过通讯总线反馈给控制单元,进行数据初步处理,对转速计测量的角速度量先进行滤波处理提高信噪比,然后进行微分处理获得关节角加速度值,将获得的关节值处理成观测矩阵Y的参变量形式。
进一步地,步骤S5进行参数估计,具体为,
根据变形可得:(YTY)-1YTτ=x;
将步骤S4中,由传感器单元测量经预处理得到的关节角度q、角速度角加速度值带入观测矩阵Y中,采用加权最小二乘法得到参数辨识值x。
进一步地,步骤S6具体为,分别在空载、安装铝质连杆、钢质连杆三种情况下重复上述步骤进行3组实验,每组实验若干次;通过Solidworks软件建立铝制连杆与钢质连杆几何模型,通过CAD法获得连杆的惯量参数与实验获得的辨识参数对比,为辨识结果提供理论支撑;将辨识结果带入动力学模型进行轨迹跟踪控制测试,通过跟踪误差验证辨识结果有效性,并根据结果不断优化辨识装置,待轨迹跟踪测试达到设定要求,停止优化,得到最终的辨识参数。
一种模块化机器人关节动力学参数辨识精度提高装置的模块化机器人关节动力学参数辨识精度提高方法,包括以下步骤,
S1、根据扭簧原理建立刚度辨识方程:
τ=KΔq=K(q-q0)
其中,Δq表示扭转角变形量,q表示关节角度值,q0表示电机端角度值;
S2、将改进的傅里叶级数激励轨迹应用于模块化机器人关节动力学参数辨识精度提高装置;步骤S2中激励轨迹函数为:
其中,tf=2π/ωf,j=INT(t/tf),q(0)=qinit,q(tf)=qinit,
式中,i表示第i关节数,t表示时间,m是整数,ωf表示基频,N表示谐波的个数,j表示第j个周期,INT(·)表示取整函数,表示系数,qinit表示初始关节角向量,表示初始关节角速度向量,一个周期结束,机器人关节回到初始位姿;
将激励轨迹在PC工控机上位机软件中以C语言的形式编写,以指令的形式传递给运动控制卡,运动控制卡通过通讯总线,发送命令给电机及驱动器;
S3、利用20位绝对式编码器直接实时采集电机端角度值q0,力矩传感器直接实时采集关节力矩值τi,关节端16位绝对式编码器直接实时采集关节角度值q,通过通讯总线传输给控制单元,根据公式τi=K(q-q0)计算得到关节等效刚度系数K;
S4、在不同的钢质与铝质连杆负载条件下重复上述步骤,分别做若干次实验取平均值,求得最终关节等效刚度系数K。
本发明首先采用牛顿—欧拉法建立机器人关节动力学模型,将改进的傅里叶激励轨迹应用于参数辨识精度提高装置。在参数辨识精度提高装置上进行实验,利用传感器采集角度值、角速度值与力矩值等数据,然后预处理数据,采用带权最小二乘法求解辨识参数,最后将辨识结果应用于辨识平台以检验辨识方法有效性并优化辨识装置。参数辨识精度提高装置包括控制单元、驱动单元、传感单元和负载单元,各单元通过通讯总线连接。采用转速计、编码器与力矩传感器多传感融合技术实现关节信息的直接实时测量,避免噪声干扰与误差。
本发明的有益效果是:
一、该种模块化机器人关节动力学参数辨识精度提高方法,采用多传感融合技术,通过两个绝对式编码器分别直接实时测量关节端与电机端角度,绝对式编码器具有断电记忆功能,增强了装置的安全性。用转速计直接测量关节角速度,用力矩传感器直接实时测量关节力矩,直接测量的方式减少了控制单元的计算量,便于实现实时控制,且解决间接测量引起干扰与误差增大等问题,提高参数辨识精度。
二、本发明采用牛顿-欧拉迭代公式建立动力学方程,计算量小,减少运行时间保证控制***实时性。
三、本发明利用改进的傅里叶级数作为激励轨迹,解决了现有激励轨迹存在优化步骤复杂,效率低下的缺点,可以保证激励轨迹满足速度、加速度边界条件,提高采样数据信噪比从而提高参数测量精度。
四、本发明通过solidworks软件,采用CAD法获得负载连杆惯量参数,为辨识参数提供可靠的理论依据。
五、本发明用构型相同,材质不同的连杆作负载,可在几何参数不变,质量改变的情况下,分析比较不同负载质量情况下的参数辨识结果以充分验证辨识方法与装置的有效性。
附图说明
图1是本发明实施例模块化机器人关节动力学参数辨识精度提高装置的说明示意图;
图2是本发明实施例一模块化机器人关节动力学参数辨识精度提高方法的流程示意图;
其中:1-控制单元,2-PC工控机,3-运动控制卡,4-平台固定单元,5-驱动器,6-20位绝对式编码器的码盘,7-20位绝对式编码器的读数头,8-通讯总线一,9-通讯总线二,10-16位绝对式编码器的读数头,11-16位绝对式编码器的码盘,12-电机,13-可调法兰一,14-谐波减速器,15-力矩传感器,16-可调法兰二,17-转速计的读数头,18-转速计的码盘,19-负载单元。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
一种模块化机器人关节动力学参数辨识精度提高装置,如图1,包括控制单元、驱动单元、传感器单元和负载单元,控制单元分别通过通讯总线连接驱动单元、传感器单元,驱动单元通过传感器单元连接负载单元,控制单元由PC工控机和运动控制卡组成,驱动单元由电机、驱动器和谐波减速器组成,传感器单元由转速计、16位绝对式编码器、20位绝对式编码器和力矩传感器组成。负载单元采用铝制连杆或钢制连杆。
该种模块化机器人关节动力学参数辨识精度提高装置,采用多传感融合技术,通过两个绝对式编码器分别直接实时测量关节端与电机端角度,绝对式编码器具有断电记忆功能,增强了装置的安全性。用转速计直接测量关节角速度,用力矩传感器直接实时测量关节力矩,直接测量的方式减少了控制单元的计算量,便于实现实时控制,且解决间接测量引起干扰与误差增大等问题,提高参数辨识精度。
实施例一
一种模块化机器人关节动力学参数辨识精度提高装置的模块化机器人关节动力学参数辨识精度提高方法,如图2,具体包括以下步骤,
S1、采用牛顿-欧拉法进行动力学建模。步骤S1具体包括:
S11、设定坐标系,根据牛顿—欧拉公式建立关节动力学模型:
式中,F表示质心上的力,m表示刚体质量,表示加速度,I表示刚体在坐标系中的惯性张量,ω表示刚体转动的角速度,表示刚体转动的角加速度。
S12、将上式推导化简得关节动力学方程一般等价形式:
S13、将上式线性化改写成如下形式:
式中,表示观测矩阵,是关于的多项式形式,x表示待辨识参数向量,待辨识参数x即能够辨识的“动力学参数,例如,机器人关节惯量参数,机器人关节负载质量参数等。
S2、将改进的傅里叶级数激励轨迹应用于模块化机器人关节动力学参数辨识精度提高装置;步骤S2中激励轨迹函数为:
其中,tf=2π/ωf,j=INT(t/tf),q(0)=qinit,q(tf)=qinit,
式中,i表示第i关节数,t表示时间,m是整数,ωf表示基频,N表示谐波的个数,j表示第j个周期,INT(·)表示取整函数,表示系数,qinit表示初始关节角向量,表示初始关节角速度向量,一个周期结束,机器人关节回到初始位姿。
将激励轨迹在PC工控机上位机软件中以C语言的形式编写,以指令的形式传递给运动控制卡,运动控制卡通过通讯总线,发送命令给电机及驱动器。
S3、利用传感器单元采集角度值、角速度值与力矩值;步骤S3具体为,
20位绝对式编码器直接实时采集电机端角度,16位绝对式编码器直接测量关节负载端角度,转速计直接测量关节角速度,力矩值通过力矩传感器直接测量获得。上述数据通过通讯总线传递给控制单元,采用直接测量的方式,避免了由于噪声干扰等因素引起的误差,提高参数辨识准确性。
S4、通过转速计测量的角速度值进行微分得到角加速度值,初步预处理信息;步骤S4中,初步预处理信息,具体为,将采集数据通过通讯总线反馈回参数辨识装置控制单元,进行数据初步处理,对转速计测量的角速度量先进行滤波处理提高信噪比,然后进行微分处理获得关节角加速度值。将获得的关节值处理成观测矩阵Y的参变量形式。
S5、进行参数估计,将参变量带入动力学方程估算出动力学参数;步骤S5中,进行参数估计,具体为,将步骤S4所获参变量带入动力学方程估算出动力学参数:
根据变形可得:(YTY)-1YTτ=x
将步骤S4中,由传感器测量经预处理得到的关节角度q,角速度角加速度值带入观测矩阵Y中,力矩传感器测量得到的τi值带入τ,采用加权最小二乘法得到参数辨识值x。
S6、实验验证,将获得的辨识参数带入动力学模型进行轨迹跟踪控制测试,通过跟踪误差验证辨识结果有效性,并根据结果不断优化辨识装置,也就是,在多次实验中,分析比较轨迹跟踪控制结果,找出影响轨迹跟踪控制结果的因素(如关节角度值或电机角度值等测量不准确),根据具体情况,修正优化参数辨识装置使之获得准确角度值从而达到优化装置的目的,待轨迹跟踪测试达到设定要求,停止优化,得到最终的辨识参数。具体为:
分别在空载、安装铝制连杆、钢质连杆下重复上述步骤进行3组实验。通过Solidworks软件建立铝制连杆与钢质连杆几何模型,通过CAD法获得连杆的惯量参数与实验获得的辨识参数对比,为辨识结果提供理论支撑。将辨识结果带入动力学模型进行轨迹跟踪控制测试,通过跟踪误差验证辨识结果有效性,并根据结果不断优化辨识装置,待轨迹跟踪测试达到设定要求,停止优化,得到最终的辨识参数。
实施例二
一种模块化机器人关节动力学参数辨识精度提高装置的模块化机器人关节动力学参数辨识精度提高方法,具体包括以下步骤,
S1、根据扭簧原理建立刚度辨识方程:
τ=K·Δq=K(q-q0)
其中,Δq表示扭转角变形量,q表示关节角度值,q0表示电机端角度值。
S2、将改进的傅里叶级数激励轨迹应用于模块化机器人关节动力学参数辨识精度提高装置;步骤S2中激励轨迹函数为:
其中,tf=2π/ωf,j=INT(t/tf),q(0)=qinit,q(tf)=qinit,
式中,i表示第i关节数,t表示时间,m是整数,ωf表示基频,N表示谐波的个数,j表示第j个周期,INT(·)表示取整函数,表示系数,qinit表示初始关节角向量,表示初始关节角速度向量,一个周期结束,机器人关节回到初始位姿。
将激励轨迹在PC工控机上位机软件中以C语言的形式编写,以指令的形式传递给运动控制卡,运动控制卡通过通讯总线,发送命令给电机及驱动器。
S3、忽略间隙等因素影响,利用20位绝对式编码器直接实时采集电机端角度值q0,力矩传感器直接实时采集关节力矩值τi,关节端16位绝对式编码器直接实时采集关节角度值q。通过通讯总线传输给控制单元,根据公式τi=K(q-q0)计算得到关节等效刚度系数K。
S4、在不同的钢质与铝质连杆负载条件下重复上述步骤,分别做5次实验取平均值,求得最终关节等效刚度系数K。
Claims (8)
1.一种模块化机器人关节动力学参数辨识精度提高装置的模块化机器人关节动力学参数辨识精度提高方法,其特征在于:包括以下步骤,
S1、采用牛顿-欧拉法进行动力学建模,得到动力学方程:
<mrow>
<mi>&tau;</mi>
<mo>=</mo>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>,</mo>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>,</mo>
<mover>
<mi>q</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mo>)</mo>
</mrow>
<mi>x</mi>
</mrow>
式中,表示观测矩阵,是关于的多项式形式,q为关节角度值,为角速度值,为角加速度值,x表示待辨识参数向量;τ表示力矩传感器测量的力矩值;
S2、将改进的傅里叶级数激励轨迹应用于模块化机器人关节动力学参数辨识精度提高装置;
S3、利用传感器单元采集角度值、角速度值与力矩值;
S4、通过转速计测量的角速度值进行微分得到角加速度值,初步预处理信息;
S5、进行参数估计,将参变量带入动力学方程估算出动力学参数。
2.如权利要求1所述的模块化机器人关节动力学参数辨识精度提高方法,其特征在于:还包括步骤S6,步骤S6具体为,实验验证,将获得的辨识参数带入模型进行轨迹跟踪控制测试,通过跟踪误差验证辨识结果有效性,并根据结果不断优化辨识装置,待轨迹跟踪测试达到设定要求,停止优化,得到最终的辨识参数。
3.如权利要求1所述的模块化机器人关节动力学参数辨识精度提高方法,其特征在于:步骤S2中激励轨迹函数为:
<mrow>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<mfrac>
<msubsup>
<mi>a</mi>
<mi>h</mi>
<mi>i</mi>
</msubsup>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>f</mi>
</msub>
<mi>h</mi>
</mrow>
</mfrac>
<mi>sin</mi>
<mo>(</mo>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>f</mi>
</msub>
<mi>h</mi>
<mi>t</mi>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mfrac>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mi>i</mi>
</msubsup>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>f</mi>
</msub>
<mi>h</mi>
</mrow>
</mfrac>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mo>(</mo>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>f</mi>
</msub>
<mi>h</mi>
<mi>t</mi>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mn>5</mn>
</munderover>
<msubsup>
<mi>c</mi>
<mi>m</mi>
<mi>i</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mo>(</mo>
<mrow>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<msub>
<mi>t</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>m</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,tf=2π/ωf,j=INT(t/tf),q(0)=qinit,q(tf)=qinit,
<mrow>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
式中,h表示谐波个数,t表示时间,m是整数,i表示第i关节数,ωf表示基频,N表示谐波的个数,j表示第j个周期,INT(·)表示取整函数,表示系数,qinit表示初始关节角向量,表示初始关节角速度向量,一个周期结束,机器人关节回到初始位姿,tf为周期;
将激励轨迹在PC工控机的上位机软件中以C语言的形式编写,以指令的形式传递给运动控制卡,运动控制卡通过通讯总线发送命令给驱动器。
4.如权利要求1-3任一项所述的模块化机器人关节动力学参数辨识精度提高方法,其特征在于:步骤S3具体为,20位绝对式编码器测量电机端角度,16位绝对式编码器测量关节负载端角度,转速计实时测量关节角速度,力矩传感器测量获得力矩值。
5.如权利要求4所述的模块化机器人关节动力学参数辨识精度提高方法,其特征在于:步骤S4中初步预处理信息,具体为,将传感器单元获取的采集数据通过通讯总线反馈给控制单元,进行数据初步处理,对转速计测量的角速度量先进行滤波处理提高信噪比,然后进行微分处理获得关节角加速度值,将获得的关节值处理成观测矩阵Y的参变量形式。
6.如权利要求5所述的模块化机器人关节动力学参数辨识精度提高方法,其特征在于:步骤S5进行参数估计,具体为,
根据变形可得:(YTY)-1YTτ=x;
将步骤S4中,由传感器单元测量经预处理得到的关节角度q、角速度角加速度值带入观测矩阵Y中,采用加权最小二乘法得到参数辨识值x。
7.如权利要求6所述的模块化机器人关节动力学参数辨识精度提高方法,其特征在于:步骤S6具体为,分别在空载、安装铝质连杆、钢质连杆三种情况下重复上述步骤进行3组实验,每组实验若干次;通过Solidworks软件建立铝制连杆与钢质连杆几何模型,通过CAD法获得连杆的惯量参数与实验获得的辨识参数对比,为辨识结果提供理论支撑;将辨识结果带入动力学模型进行轨迹跟踪控制测试,通过跟踪误差验证辨识结果有效性,并根据结果不断优化辨识装置,待轨迹跟踪测试达到设定要求,停止优化,得到最终的辨识参数。
8.一种模块化机器人关节动力学参数辨识精度提高装置的模块化机器人关节动力学参数辨识精度提高方法,其特征在于:包括以下步骤,
S1、根据扭簧原理建立刚度辨识方程:
τ=K·Δq=K(q-q0)
其中,Δq表示扭转角变形量,q表示关节角度值,q0表示电机端角度值;
S2、将改进的傅里叶级数激励轨迹应用于模块化机器人关节动力学参数辨识精度提高装置;步骤S2中激励轨迹函数为:
<mrow>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>h</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<mrow>
<mfrac>
<msubsup>
<mi>a</mi>
<mi>h</mi>
<mi>i</mi>
</msubsup>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>f</mi>
</msub>
<mi>h</mi>
</mrow>
</mfrac>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>f</mi>
</msub>
<mi>h</mi>
<mi>t</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mi>i</mi>
</msubsup>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>f</mi>
</msub>
<mi>h</mi>
</mrow>
</mfrac>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>f</mi>
</msub>
<mi>h</mi>
<mi>t</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mn>5</mn>
</munderover>
<msubsup>
<mi>c</mi>
<mi>m</mi>
<mi>i</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<msub>
<mi>t</mi>
<mi>f</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mi>m</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,tf=2π/ωf,j=INT(t/tf),q(0)=qinit,q(tf)=qinit,
<mrow>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
式中,i表示第i关节数,t表示时间,m是整数,ωf表示基频,N表示谐波的个数,j表示第j个周期,INT(·)表示取整函数,表示系数,qinit表示初始关节角向量,表示初始关节角速度向量,一个周期结束,机器人关节回到初始位姿;
将激励轨迹在PC工控机上位机软件中以C语言的形式编写,以指令的形式传递给运动控制卡,运动控制卡通过通讯总线,发送命令给电机及驱动器;
S3、利用20位绝对式编码器直接实时采集电机端角度值q0,力矩传感器直接实时采集关节力矩值τi,关节端16位绝对式编码器直接实时采集关节角度值q,通过通讯总线传输给控制单元,根据公式τi=K(q-q0)计算得到关节等效刚度系数K;
S4、在不同的钢质与铝质连杆负载条件下重复上述步骤,分别做若干次实验取平均值,求得最终关节等效刚度系数K。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711415176.3A CN107942683A (zh) | 2017-12-22 | 2017-12-22 | 模块化机器人关节动力学参数辨识精度提高方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711415176.3A CN107942683A (zh) | 2017-12-22 | 2017-12-22 | 模块化机器人关节动力学参数辨识精度提高方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107942683A true CN107942683A (zh) | 2018-04-20 |
Family
ID=61939871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711415176.3A Pending CN107942683A (zh) | 2017-12-22 | 2017-12-22 | 模块化机器人关节动力学参数辨识精度提高方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107942683A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108242906A (zh) * | 2016-12-26 | 2018-07-03 | 丰田自动车株式会社 | 电机控制*** |
CN109500837A (zh) * | 2018-12-18 | 2019-03-22 | 上海岭先机器人科技股份有限公司 | 一种基于双编码器的机器人关节力矩测量方法 |
CN109551483A (zh) * | 2019-01-18 | 2019-04-02 | 王昊 | 一种具有力矩反馈的机械臂关节及其力矩计算方法 |
CN110605715A (zh) * | 2019-08-21 | 2019-12-24 | 深圳市大象机器人科技有限公司 | 一种不依赖关节角加速度的机器人动力学参数辨识方法 |
CN110991108A (zh) * | 2019-11-22 | 2020-04-10 | 湖南城市学院 | 一种机械臂关节扭矩传感器结构设计方法 |
CN111168717A (zh) * | 2019-12-20 | 2020-05-19 | 北京卫星制造厂有限公司 | 基于工业机器人刚度测量加载装置和关节刚度辨识方法 |
CN111438692A (zh) * | 2020-04-17 | 2020-07-24 | 达闼机器人有限公司 | 机器人控制方法、装置、介质、设备以及机器人 |
CN111496791A (zh) * | 2020-04-27 | 2020-08-07 | 无锡信捷电气股份有限公司 | 一种基于串联机器人的整体动力学参数辨识方法 |
CN111775142A (zh) * | 2020-08-12 | 2020-10-16 | 电子科技大学 | 一种液压机械臂的模型辨识与自适应控制方法 |
CN112917511A (zh) * | 2019-12-06 | 2021-06-08 | 中国科学院沈阳自动化研究所 | 机器人关节运动精度测量方法 |
CN109062051B (zh) * | 2018-08-28 | 2021-07-23 | 苏州艾利特机器人有限公司 | 一种提高机器人动力学参数辨识精度的方法 |
CN114161428A (zh) * | 2021-12-30 | 2022-03-11 | 上海钛米机器人股份有限公司 | 机器人控制方法、装置、电子设备和存储介质 |
CN114619440A (zh) * | 2020-12-10 | 2022-06-14 | 北京配天技术有限公司 | 修正摩擦模型的方法、机器人及计算机可读存储介质 |
CN117773954A (zh) * | 2024-02-27 | 2024-03-29 | 深圳威洛博机器人有限公司 | 一种机器人关节模组运动控制***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034123A (zh) * | 2012-12-11 | 2013-04-10 | 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 |
CN104614991A (zh) * | 2014-12-31 | 2015-05-13 | 南京埃斯顿机器人工程有限公司 | 提高机器人参数辨识精度的方法 |
CN104723340A (zh) * | 2015-03-07 | 2015-06-24 | 哈尔滨工业大学 | 基于连接和阻尼配置的柔性关节机械臂的阻抗控制方法 |
CN106064377A (zh) * | 2016-06-02 | 2016-11-02 | 西北工业大学 | 一种空间机器人动力学参数辨识的激励轨迹优化方法 |
CN106125548A (zh) * | 2016-06-20 | 2016-11-16 | 珞石(北京)科技有限公司 | 工业机器人动力学模型参数辨识方法 |
CN106914895A (zh) * | 2017-03-24 | 2017-07-04 | 清华大学深圳研究生院 | 一种柔性机械臂的残余振动抑制方法 |
-
2017
- 2017-12-22 CN CN201711415176.3A patent/CN107942683A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034123A (zh) * | 2012-12-11 | 2013-04-10 | 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 |
CN104614991A (zh) * | 2014-12-31 | 2015-05-13 | 南京埃斯顿机器人工程有限公司 | 提高机器人参数辨识精度的方法 |
CN104723340A (zh) * | 2015-03-07 | 2015-06-24 | 哈尔滨工业大学 | 基于连接和阻尼配置的柔性关节机械臂的阻抗控制方法 |
CN106064377A (zh) * | 2016-06-02 | 2016-11-02 | 西北工业大学 | 一种空间机器人动力学参数辨识的激励轨迹优化方法 |
CN106125548A (zh) * | 2016-06-20 | 2016-11-16 | 珞石(北京)科技有限公司 | 工业机器人动力学模型参数辨识方法 |
CN106914895A (zh) * | 2017-03-24 | 2017-07-04 | 清华大学深圳研究生院 | 一种柔性机械臂的残余振动抑制方法 |
Non-Patent Citations (2)
Title |
---|
伍小凯: "轻型柔性机械臂的误差分析与辨识", 《中国优秀硕士学位论文全文数据库-信息科技辑》 * |
吴文祥等: "基于改进傅里叶级数的机器人动力学参数辨识", 《浙江大学学报(工学版)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108242906B (zh) * | 2016-12-26 | 2021-01-12 | 丰田自动车株式会社 | 电机控制*** |
CN108242906A (zh) * | 2016-12-26 | 2018-07-03 | 丰田自动车株式会社 | 电机控制*** |
CN109062051B (zh) * | 2018-08-28 | 2021-07-23 | 苏州艾利特机器人有限公司 | 一种提高机器人动力学参数辨识精度的方法 |
CN109500837A (zh) * | 2018-12-18 | 2019-03-22 | 上海岭先机器人科技股份有限公司 | 一种基于双编码器的机器人关节力矩测量方法 |
CN109551483A (zh) * | 2019-01-18 | 2019-04-02 | 王昊 | 一种具有力矩反馈的机械臂关节及其力矩计算方法 |
CN110605715A (zh) * | 2019-08-21 | 2019-12-24 | 深圳市大象机器人科技有限公司 | 一种不依赖关节角加速度的机器人动力学参数辨识方法 |
CN110991108A (zh) * | 2019-11-22 | 2020-04-10 | 湖南城市学院 | 一种机械臂关节扭矩传感器结构设计方法 |
CN110991108B (zh) * | 2019-11-22 | 2023-04-25 | 湖南城市学院 | 一种机械臂关节扭矩传感器结构设计方法 |
CN112917511A (zh) * | 2019-12-06 | 2021-06-08 | 中国科学院沈阳自动化研究所 | 机器人关节运动精度测量方法 |
CN111168717B (zh) * | 2019-12-20 | 2021-11-16 | 北京卫星制造厂有限公司 | 基于工业机器人刚度测量加载装置和关节刚度辨识方法 |
CN111168717A (zh) * | 2019-12-20 | 2020-05-19 | 北京卫星制造厂有限公司 | 基于工业机器人刚度测量加载装置和关节刚度辨识方法 |
CN111438692A (zh) * | 2020-04-17 | 2020-07-24 | 达闼机器人有限公司 | 机器人控制方法、装置、介质、设备以及机器人 |
CN111496791A (zh) * | 2020-04-27 | 2020-08-07 | 无锡信捷电气股份有限公司 | 一种基于串联机器人的整体动力学参数辨识方法 |
CN111775142A (zh) * | 2020-08-12 | 2020-10-16 | 电子科技大学 | 一种液压机械臂的模型辨识与自适应控制方法 |
CN114619440A (zh) * | 2020-12-10 | 2022-06-14 | 北京配天技术有限公司 | 修正摩擦模型的方法、机器人及计算机可读存储介质 |
CN114619440B (zh) * | 2020-12-10 | 2024-02-09 | 北京配天技术有限公司 | 修正摩擦模型的方法、机器人及计算机可读存储介质 |
CN114161428A (zh) * | 2021-12-30 | 2022-03-11 | 上海钛米机器人股份有限公司 | 机器人控制方法、装置、电子设备和存储介质 |
CN114161428B (zh) * | 2021-12-30 | 2024-05-03 | 上海钛米机器人股份有限公司 | 机器人控制方法、装置、电子设备和存储介质 |
CN117773954A (zh) * | 2024-02-27 | 2024-03-29 | 深圳威洛博机器人有限公司 | 一种机器人关节模组运动控制***及方法 |
CN117773954B (zh) * | 2024-02-27 | 2024-06-11 | 深圳威洛博机器人有限公司 | 一种机器人关节模组运动控制***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107942683A (zh) | 模块化机器人关节动力学参数辨识精度提高方法 | |
CN104590276B (zh) | 汽车绕z轴转动惯量和轮胎侧偏刚度识别方法 | |
CN106346477A (zh) | 六轴机器人的负载辨识方法及模块 | |
CN107727417B (zh) | 一种人机共驾转向***硬件在环仿真测试平台 | |
CN105643641B (zh) | 力传感器标定装置、标定方法及力控制机器人 | |
CN107901037A (zh) | 一种机器人关节动力学模型修正方法 | |
CN106346513A (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 | |
CN106272416A (zh) | 基于力觉和视觉的机器人细长轴精密装配***及方法 | |
CN106125548A (zh) | 工业机器人动力学模型参数辨识方法 | |
CN109916431A (zh) | 一种针对四轮移动机器人的车轮编码器标定算法 | |
CN105437209A (zh) | 一种具有人机交互动力学模型的外骨骼式上肢康复机器人 | |
CN104048595A (zh) | 一种旋转机械角度不对中故障定量化检测***及方法 | |
CN106200614A (zh) | 一种采用控制力矩陀螺真实力矩的航天器姿控测试***及方法 | |
CN106885566A (zh) | 一种可穿戴式运动传感器及其抗磁场干扰的方法 | |
CN109732644A (zh) | 一种基于动量模型的机器人在线碰撞检测方法和*** | |
Xu et al. | Electromechanical coupling modeling and motor current signature analysis of bolt loosening of industrial robot joint | |
CN102162759A (zh) | 一种电动汽车扭矩测试方法和测试*** | |
CN113051673A (zh) | 一种机器人改进Stribeck摩擦模型辨识方法 | |
CN107490763A (zh) | 一种低速大扭矩永磁驱动***的负载模拟试验装置及方法 | |
CN101982748B (zh) | 柴油发电机组运动件转动惯量的测试设备及方法 | |
CN109459254A (zh) | 一种多关节机器人动力学半物理仿真平台 | |
CN113021331A (zh) | 一种七自由度协作机器人动力学建模与辨识方法 | |
CN207593831U (zh) | 模块化机器人关节动力学参数辨识精度提高装置 | |
CN110132406B (zh) | 一种永磁直驱电力机车联轴器振动检测方法及*** | |
Gecgel et al. | Deep convolutional neural network framework for diagnostics of planetary gearboxes under dynamic loading with feature-level data fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180420 |