CN108608426A - 可重构机械臂***关节模块运行状态健康检测方法 - Google Patents

Abstract

可重构机械臂***关节模块运行状态健康检测方法，属于机器人控制***及故障检测领域，为了解决现有技术的问题，该检测方法为：校准编码器读数，根据关节位置测量值得出速度测量值，并给出基于关节速度和有效负载的摩擦模型；提供基于摩擦参数标称值的线性化非线性摩擦模型，建立关节模块动力学模型；建立滤波力矩信号；将关节模块的指令转矩与低通滤波函数相结合，建立滤波指令转矩；通过给出的摩擦模型、关节模块动力学模型、滤波力矩信号以及滤波指令力矩得到关节模块力矩预测误差，在采用有效的分布式容错控制器的前提下，利用力矩预测误差的积分设计反映可重构机械臂***关节模块运行健康状况的性能指标，获得关节模块任意时刻操作健康状况。

Description

可重构机械臂***关节模块运行状态健康检测方法

技术领域

本发明涉及一种可重构机械臂***关节模块运行状态健康检测方法，属于机器人控制***及故障检测领域。

背景技术

为了突出并完成“可重构”的属性，可重构机械臂的关节模块通常被设计具有标准的机械接口以及通讯接口，可以按照不同指令需求对模块进行增加、减少或替换等操作。因此，针对可重构机械臂的控制器设计必须满足“模块化”要求，即各个关节模块具备相互独立的控制器，且能够满足不同任务环境与多种机械臂构形下的工作需要，从而表现出传统机械臂所不具备的优势。现代化工业的生产以及科学试验，工作任务不再单一，需要采用不同构形的机械臂去完成不同的任务，对此采用可重构机械臂能够大大的降低成本，并提高效率。

由于智能化以及大***的快速发展，模块化可重构机械臂常用于人类不能直接干预的遥远、未知和高危环境中。此外，随着模块化可重构机械臂与人类密切接触且投资越来越大，其寿命和可靠性的要求也随之不断提高。在这种机械臂模块单元的设计中对***可靠性的考虑成为其研究内容至关重要的部分，为此针对模块化可重构机械臂故障***的容错控制方法应运而生。经过几代科研人员的不懈努力，对于模块化可重构机械臂故障***容错控制的研究已经获得了***的科研成果。所谓容错是指一种先进的设计/调节方法，当模块化可重构机械臂***中某些元器件发生性能退化等故障时，保证***能够在其性能下降的情况下继续完成作业。究其根本，这种技术通过软件(信息)冗余和/或硬件冗余来增加***的鲁棒性能。众所周知，可重构机械臂的关节模块故障、外界扰动以及***不确定性可以通过设计有效的容错控制器来对其进行补偿处理。然而，补偿项的增加很容易在可重构机械臂关节处产生较大的指令转矩。一旦所需转矩长时间超过电机输出所能承受的最大转矩，控制器可能会积累错误，导致***不稳定甚至使得***完全瘫痪，这将给人们的人身及财产安全带来极大的隐患。现有的容错控制方法绝大多数都是基于执行器具有无限输出的假设条件。然而在现实应用中，不存在任何一个具有无限大输出的执行器。因此，实现对整个关节模块***进行健康检测是可重构机械臂容错控制研究领域亟待解决的问题。

传统的故障诊断与检测是为容错控制器的设计服务的，已经发表的有关可重构机械臂的故障检测与诊断方法有很多。它们通过故障诊断与检测单元获得各种故障信息，并对***发生的故障进行在线处理以完成容错控制器的设计。但是，上述方法中没有考虑执行器的输出能力以及整个关节模块的性能指标。近些年，有关***健康检测方面的最新研究进展吸引了相当多研究者们的关注，并成为当前自动化领域最重要的研究领域之一。但是，就目前掌握的资料来讲，对于可重构机械臂的整个关节模块子***的运行状况进行健康检测的相关工作未见报道。

综上所述，在已使用有效容错控制器的前提下考虑到模块化可重构机械臂执行器的输出能力，设计一种新颖的分布式关节模块健康检测方法，以反映整个关节模块***的运行健康状况是十分必要的。

发明内容

本发明为了保证可重构机械臂关节模块中某些元器件发生性能退化等故障时，在分布式容错控制器的有效控制下仍然可以稳定运行，避免其由于控制转矩过大导致***执行器完全瘫痪的问题，本发明提出一种可以检测可重构机械臂***关节模块运行状态的健康检测方法。

本发明解决技术问题的方案是：

可重构机械臂***关节模块运行状态健康检测方法，其特征是，该方法包括如下步骤：

第一步，给出基于关节速度和有效负载的摩擦模型；

第二步，建立基于摩擦参数标称值的线性化非线性摩擦模型的关节模块动力学模型；

第三步，根据第二步建立的动力学模型，建立滤波力矩信号；

第四步，获得平均力矩预测误差；

第五步，搭建反映***健康状态的性能指标。

可重构机械臂***关节模块运行状态健康检测方法，该方法包括如下具体步骤：

步骤一，***初始化设计，校准编码器读数，根据关节位置测量值得出速度测量值，给出基于关节速度和有效负载的摩擦模型，其具体表达形式如下：

其中，为关节速度；τ_si为力矩传感器输出力矩；h_i(τ_si)为关于τ_si的函数；F_ci为库伦摩擦相关参数；F_si为静摩擦相关参数；F_τi是与Stribeck效应对应的正参数；B_i为待定常数，符号函数被定义为：

步骤二，在步骤一建立的摩擦模型基础上，提供基于摩擦参数标称值的线性化非线性摩擦模型，从而建立第i个关节模块动力学模型如下：

其中，q_i为关节角度；为关节加速度；I_mi为电机转动惯量；τ_i为电机输出力矩；γ_i为减速器的减速比；为电机估计输出力矩；z_mi，z_i分别为电机转子与关节沿着旋转轴方向的单位向量；为动力学耦合项；并且定义关节摩擦模型参数的标称值如下：

其中，分别为摩擦模型参数B_i F_ci F_si F_τi的标称值；

步骤三，根据步骤二建立的动力学模型，建立滤波力矩信号：

其中，f(t)为低通滤波函数，具体形式定义如下：

f(t)＝αe^-βt (12)

其中，α,β∈R¹是正的滤波常数。

由于第i个关节模块动力学模型可以被重新描述为：

其中，δ_i代表机械臂***动力学耦合项；

使用卷积分配律，并且忽略低关节的耦合滤波力矩，可得到滤波力矩估计的具体形式如下：

其中，表示测量滤波回归向量，其具体形式为I_mi代表着转子的惯性，γ_i代表着传动比，容易得出在可重构机械臂***各个关节模块中I_mi与γ_i是完全已知的；τ_si，q_i，以及可以通过测量得到，因此滤波后的力矩估计值可以使用公式(18)计算；

步骤四，将每个关节模块中由有效分布式容错控制器通过D/A端口向电机驱动器提供的关节指令转矩与步骤三中公式(12)所示的低通滤波函数相结合，建立滤波后第i个关节模块的指令转矩：

τ_cfi＝f(t)*K_Tυ_ciλ_d (20)

其中，K_T是电机转矩系数，υ_ci是控制电压，λ_d是驱动电压-电流转换系数；

通过比较滤波后的关节力矩指令与动力学方程导出的滤波力矩估计值得到的关节力矩预测误差，可以用来检测关节模块运行状态的健康状况；整个关节模块***运行健康检测方法的力矩预测误差如下：

为了采用基于力矩估计的方法对整个关节模块***进行操作健康检测，对力矩预测误差进行积分计算，得到从时间t₁到t₂运动期间的平均力矩预测误差如下：

其中，可以选择时间段0-t来获得整个关节模块***从开始到当前时刻的健康状态，t表示当前时刻，也可以根据需要任意选择时间段；

步骤五，根据步骤一、步骤二、步骤三及步骤四中给出的基于关节速度和有效负载的摩擦模型、第i个关节模块动力学模型、滤波力矩信号、滤波指令力矩，在采用有效的分布式容错控制器的前提下，利用力矩预测误差的积分设计反映可重构机械臂***整个关节模块运行健康状况的性能指标如下：

其中，e_mini＝e'_mini+e_mino为最小阈值，e'_mini是无故障时的平均力矩预测误差，其值是在没有故障的情况下通过实验确定的每个关节模块平均力矩预测误差，e_mino是最小阈值偏差，其值也是通过实验确定的，以使性能指标更加精确；e_maxi是电动机输出最大连续转矩的情况下实验测得的平均力矩预测误差。

本发明的有益效果如下：

1、本发明所述可重构机械臂是基于模块化思想将一个复杂的机械臂***分解为多个具有较高便携性与可维护性的模块子***，可以根据用户不同的任务需求改变机械臂构形，使得控制结构更加简单紧凑，从而表现出传统机械臂所不具备的优势。

2、本发明不同于传统的故障诊断与检测方法，是在采用有效的分布式容错控制器的前提下，考虑到可重构机械臂各个关节模块的执行器输出能力有限，对各个关节模块的运行状态进行健康检测，以避免关节模块***由于指令转矩过高从而造成***完全瘫痪。

3、本发明在对可重构机械臂任一关节模块的整个检测过程中不需要任何其他关节模块的运动状态及信息，这对于随时需要对关节模块进行添加或移除的可重构机械***来讲是至关重要的。

4、本发明中指令转矩和估计力矩利用滤波器做了滤波处理，因此在整个关节模块***的健康检测过程中不需要对可重构机械***关节模块的加速度进行测量或估计，避免了加速度信息不易采集以及信息估计不精确等问题。

附图说明

图1为本发明进行健康检测的模块化可重构机械臂示意图。

图2为本发明进行健康检测的可重构机械臂关节模块机械结构示意图。

图3为本发明可重构机械臂***关节模块进行健康操作检测方法原理图。

图4为本发明可重构机械臂***关节模块进行健康操作检测方法流程图。

具体实施方式

下面结合附图对本发明做进一步详细说明。

如图1所示，本发明的可重构机械臂关节模块运行状态的健康检测方法所考虑的模块化可重构机械臂由若干个关节模块组成，根据模块与模块之间的连接方式可以得出具有n个旋转关节的可重构机械臂关节模块动力学方程，为本发明提出的可重构机械臂关节模块运行状态的健康检测方法提供模型基础。

如图2所示，本发明进行健康检测的可重构机械臂关节模块电气及机械部件部分均是由增量式编码器1、有刷永磁直流电机2、谐波传动装置3、力矩传感器4、刚性联轴器5以及连杆6依次连接而成。所述增量式编码器1与力矩传感器4测得信息应用于容错控制器确定指令转矩并将其发送给有刷永磁直流电机2；所述有刷永磁直流电机2的转子连接到谐波传动装置3，谐波传动装置3将电机转矩传输到负载侧；所述力矩传感器4与谐波传动装置3相结合，提高了关节模块的紧凑性；所述谐波传动装置3作为***的减速装置，实现关节速度减小以及放大力矩的作用；所述刚性联轴器5与连杆6相连接，用来增强***的连接强度。每个可重构机械臂关节模块的谐波驱动部分是由型号为218014的Maxon有刷永磁直流电机驱动，其重量为480g，最大连续扭矩为190mNm。由Quanser公司提供的线性功率放大器以及Q8数据采集板进行电机驱动并收集关节数据信息。每个关节的转子惯性和谐波传动的减速比由制造商提供，所有关节参数以SI单位测量。

如图3、图4所示，在已使用有效的容错控制器的前提下，考虑到可重构机械臂关节模块的执行器输出能力有限，可重构机械臂***关节模块运行状态健康检测方法，其包括步骤如下：

1、给出基于关节速度和有效负载的摩擦模型；

***初始化设计，校准编码器读数，根据关节位置测量值得出速度测量值，基于关节速度和有效负载的摩擦模型：

其中，为关节速度；τ_si为力矩传感器输出力矩；F_ci为库伦摩擦相关参数；F_si为静摩擦相关参数；F_τi是与Stribeck效应对应的正参数；B_i为待定常数，符号函数被定义为：

函数h(τ_si)被定义为：

其中，h₁和h₂是用于模拟依赖有效载荷的库仑摩擦效应的正参数。

2、建立基于摩擦参数标称值的线性化非线性摩擦模型的关节模块动力学模型；

根据图1所示的可重构机械臂***示意图，给出具有n个旋转关节和关节力矩传感器的刚性可重构机械臂关节模块动力学方程如下：

对于基座模块，即i＝1时，有：

对于第二个关节模块，即i＝2时，有：

对于上方关节，即i≥3的情况，有：

其中，q_i为关节角度；为关节加速度；I_mi为电机转动惯量；τ_i为电机输出力矩；γ_i为减速器的减速比；z_mi，z_i分别为电机转子与关节沿着旋转轴方向的单位向量；为动力学耦合项。

在已建立的摩擦模型基础上，提出了基于摩擦参数标称值的线性化非线性摩擦模型，从而基于摩擦模型参数估计的第i个关节模块的动力学方程改写为：

其中，并且定义关节摩擦模型参数的标称值如下：

其中，分别为摩擦模型参数B_i F_ci F_si F_τi的标称值。

注：关节摩擦模型参数不是准确已知的。然而，它们的标称值是通过离线的方法确定的常数，并假定接近于它们的实际值。

为了以更紧凑的形式表达***动力学模型方程，定义：

因此，动力学模型(7)可以表述为如下形式：

3、根据第2步建立的动力学模型，建立滤波力矩信号；

假设1：一个有效的容错控制器已经被设计使得模块化可重构机械臂在故障发生的情况下仍然可以保证q_i(t)，τ_i(t)∈L_∞以及其中，q_di(t)∈R¹是第i个关节的期望轨迹。

为了在对整个关节模块子***运行状态进行健康检测的过程中不需要对模块化可重构机械***的关节加速度进行测量或估计，一个经过滤波器滤波后的力矩信号表示为如下形式：

其中，符号*代表着标准的卷积运算，定义如下形式的低通滤波函数：

f(t)＝αe^-βt (12)

其中，α,β∈R¹是正的滤波常数。

假设2：由于滤波引起的故障信号的延迟可以通过选择大的β值而忽略。

由于第i个关节模块动力学模型可以被重新描述为：

其中，

因此，使用卷积分配律，将公式(11)带入式(13)得：

应用标准的卷积属性，可以得到以下表达式：

将公式(13)以及表达式和l_i带入(14)得：

其中，δ_fi(t)＝f(t)*δ_i，表示测量滤波回归向量，其具体形式定义如下：

根据动力学方程，基于低关节的耦合力矩取决于这些关节的速度和加速度以及关节转子的转动惯量。但是，由于关节转子的惯性矩阵通常较小且减速比较高，因此低关节的耦合力矩比指令力矩以及关节摩擦小得多，因此低关节的耦合力矩在式(16)中定义的滤波力矩估计中可以忽略不计。在这种情况下，滤波力矩估计可以设计为如下形式：

其中，I_mi代表着转子的惯性，γ_i代表着传动比，容易得出在模块化可重构机械臂***中I_mi与γ_i是完全已知的。τ_si，q_i，以及可以通过测量得到，因此滤波后的力矩估计值可以使用公式(18)计算。

4、获得平均力矩预测误差；

步骤1：利用已设计好的有效容错控制器获得关节模块***指令力矩

每个关节模块的分布式控制器通过D/A端口向电机驱动器提供关节指令转矩作为指令电压，电机在转子上产生相应的转矩定义如下：

τ_ci＝K_Tυ_ciλ_d (19)

其中，K_T是电机转矩系数，λ_d是驱动电压-电流转换系数，υ_ci是控制电压。

步骤2：通过滤波处理获得滤波指令力矩

结合公式(12)给出的低通滤波函数，滤波后的力矩指令的定义如下：

τ_cfi＝f(t)*K_Tυ_ciλ_d (20)

其中，K_T是电机转矩系数，υ_ci是控制电压，λ_d是驱动电压-电流转换系数。

步骤3：利用滤波力矩信号以及滤波指令力矩获得平均力矩预测误差

指令输入力矩的准确性取决于关节控制器，驱动器以及电机的正确操作。如果任何部件发生故障，则由电动机产生的实际输入力矩可能偏离指令的力矩输入，这将在以下定义的转矩预测误差的变化中反映出来。

在使用力矩传感器反馈的分布式控制***中，每个模块化可重构机械臂关节的力矩控制指令由设计好的容错控制器计算。当元件性能退化时，关节指令力矩将会逐渐增加以保持***的稳定运行，通过比较滤波后的关节力矩指令与根据公式(10)所示动力学方程导出的滤波力矩估计值得到各关节的力矩预测误差，可以用来检测关节***的健康状况。所提出的整个关节模块***检测方法的力矩预测误差被定义为：

为了采用基于力矩估计的方法对整个关节模块***进行操作健康监测，对力矩预测误差进行积分计算，得到从时间t₁到t₂运动期间的平均力矩预测误差如下：

其中，可以选择时间段0-t来获得整个关节模块***从开始到当前时刻的健康状态，其中t表示当前时刻，也可以根据需要任意选择时间段。

由于忽略了交联项δ_fi的值，并且关节摩擦的标称值和实际值之间存在差异，以及***误差的存在，定义最小阈值为：

e_mini＝e'_mini+e_mino (23)

其中，e'_mini是无故障时的平均力矩预测误差，其值是在没有故障的情况下通过实验确定的每个关节模块平均力矩预测误差，e_mino是最小阈值偏差其值也是通过实验确定的，以使性能指标更精确。

5、搭建反映***健康状态的性能指标；

基于以上考虑，设计反映整个关节模块***运行健康状况的性能指标如下：

其中，e_mini＝e'_mini+e_mino为最小阈值，e'_mini是无故障时的平均力矩预测误差，其值是在没有故障的情况下通过实验确定的每个关节模块平均力矩预测误差，e_mino是最小阈值偏差，其值也是通过实验确定的，以使性能指标更加精确。e_maxi是电动机输出最大连续转矩的情况下实验测得的平均力矩预测误差。

可重构机械臂关节模块健康检测***物理参数及机械参数按照表1定义。

表1可重构机械臂关节模块健康检测***物理参数及机械参数

每个可重构机械臂的关节模块子***的控制力矩指令通常是由基于传感器测量所得信息进行反馈的关节模块分布式容错控制器生成的。当关节模块***无故障时，性能指标接近于零。在发生元件性能退化等故障的情况下，关节容错控制器通常会提高指令力矩以保持故障***性能稳定。因此，平均力矩预测误差随着整个关节的性能变差而增加，从而提供整个模块***的运行健康状况的指示。基于此，本发明通过设计一种简单有效的性能指标用以检测整个关节模块***的操作过程中的健康情况。

Claims (2)

1.可重构机械臂***关节模块运行状态健康检测方法，其特征是，该方法包括如下步骤：

第一步，给出基于关节速度和有效负载的摩擦模型；

第二步，建立基于摩擦参数标称值的线性化非线性摩擦模型的关节模块动力学模型；

第三步，根据第二步建立的动力学模型，建立滤波力矩信号；

第四步，获得平均力矩预测误差；

第五步，搭建反映***健康状态的性能指标。

2.根据权利要求1所述的可重构机械臂***关节模块运行状态健康检测方法，其特征是，该方法包括如下具体步骤：

步骤一，***初始化设计，校准编码器读数，根据关节位置测量值得出速度测量值，给出基于关节速度和有效负载的摩擦模型，其具体表达形式如下：

其中，为关节速度；τ_si为力矩传感器输出力矩；h_i(τ_si)为关于τ_si的函数；F_ci为库伦摩擦相关参数；F_si为静摩擦相关参数；F_τi是与Stribeck效应对应的正参数；B_i为待定常数，符号函数被定义为：

步骤二，在步骤一建立的摩擦模型基础上，提供基于摩擦参数标称值的线性化非线性摩擦模型，从而建立第i个关节模块动力学模型如下：

其中，q_i为关节角度；为关节加速度；I_mi为电机转动惯量；τ_i为电机输出力矩；γ_i为减速器的减速比；为电机估计输出力矩；z_mi，z_i分别为电机转子与关节沿着旋转轴方向的单位向量；为动力学耦合项；并且定义关节摩擦模型参数的标称值如下：

其中，分别为摩擦模型参数B_i F_ci F_si F_τi的标称值；

步骤三，根据步骤二建立的动力学模型，建立滤波力矩信号：

其中，f(t)为低通滤波函数，具体形式定义如下：

f(t)＝αe^-βt (12)

其中，α,β∈R¹是正的滤波常数。

由于第i个关节模块动力学模型可以被重新描述为：

其中，δ_i代表机械臂***动力学耦合项；

使用卷积分配律，并且忽略低关节的耦合滤波力矩，可得到滤波力矩估计的具体形式如下：

其中，表示测量滤波回归向量，其具体形式为I_mi代表着转子的惯性，γ_i代表着传动比，容易得出在可重构机械臂***各个关节模块中I_mi与γ_i是完全已知的；τ_si，q_i，以及可以通过测量得到，因此滤波后的力矩估计值可以使用公式(18)计算；

步骤四，将每个关节模块中由有效分布式容错控制器通过D/A端口向电机驱动器提供的关节指令转矩与步骤三中公式(12)所示的低通滤波函数相结合，建立滤波后第i个关节模块的指令转矩：

τ_cfi＝f(t)*K_Tυ_ciλ_d (20)

其中，K_T是电机转矩系数，υ_ci是控制电压，λ_d是驱动电压-电流转换系数；

通过比较滤波后的关节力矩指令与动力学方程导出的滤波力矩估计值得到的关节力矩预测误差，可以用来检测关节模块运行状态的健康状况；整个关节模块***运行健康检测方法的力矩预测误差如下：

为了采用基于力矩估计的方法对整个关节模块***进行操作健康检测，对力矩预测误差进行积分计算，得到从时间t₁到t₂运动期间的平均力矩预测误差如下：

其中，可以选择时间段0-t来获得整个关节模块***从开始到当前时刻的健康状态，t表示当前时刻，也可以根据需要任意选择时间段；

步骤五，根据步骤一、步骤二、步骤三及步骤四中给出的基于关节速度和有效负载的摩擦模型、第i个关节模块动力学模型、滤波力矩信号、滤波指令力矩，在采用有效的分布式容错控制器的前提下，利用力矩预测误差的积分设计反映可重构机械臂***整个关节模块运行健康状况的性能指标如下：

其中，e_mini＝e'_mini+e_mino为最小阈值，e'_mini是无故障时的平均力矩预测误差，其值是在没有故障的情况下通过实验确定的每个关节模块平均力矩预测误差，e_mino是最小阈值偏差，其值也是通过实验确定的，以使性能指标更加精确；e_maxi是电动机输出最大连续转矩的情况下实验测得的平均力矩预测误差。