CN111788040B - 机器人的动力学参数辨识方法、机器人和存储装置 - Google Patents

Abstract

一种机器人的动力学参数辨识方法、机器人和存储装置，该方法包括：在多个不同转速下，使驱动电机匀速转动，并采集各转速下对应的电枢电流，根据所述各转速下对应的所述电枢电流，计算所述各转速下对应的摩擦力矩，形成多个所述转速与所述摩擦力矩的数据对，根据所述数据对建立摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和所述摩擦力矩之间的关系，所述摩擦多项式模型既能作线性模型使用，又具有非线性特征的表达能力，具有更好的适应性，可简化机器人动力学参数辨识计算。

Description

机器人的动力学参数辨识方法、机器人和存储装置

技术领域

本发明涉及自动控制技术领域，特别是涉及一种机器人的动力学参数辨识方法、机器人和存储装置。

背景技术

机器人动力学研究的是机器人的关节力、力矩和关节运动的关系。通过动力学模型，可以根据关节的运动目标位置、目标速度等计算关节的驱动器所应提供的力矩，并根据结果对机器人进行控制。理想动力学模型只考虑惯性力、科氏力(离心力)和重力，但是在实际情况中，摩擦力矩不能被忽略，否则会影响机器人的控制和运行效果。因此，需要首先运用摩擦模型计算摩擦力矩，并从驱动器提供的总力矩中剔除摩擦力矩的影响，从而得到可用于计算惯性参数的理想动力学模型下的驱动力矩。

本发明的发明人在对现有技术的研究过程中发现，现有技术在对机器人动力学参数进行辨识、特别是摩擦模型参数识别的过程中，常会使用到stribeck模型，stribeck模型中包含指数部分，非线性程度高，使得摩擦模型和动力学模型的优化、求解过程十分复杂，因此，会造成机器人控制***计算能力的浪费。

发明内容

本发明提供一种机器人的动力学参数辨识方法、机器人和存储装置，用于解决现有技术中动力学参数辨识过程过于复杂的问题。

为了解决上述技术问题，本发明提供的一种技术方案为：提供一种机器人的动力学参数辨识方法。该方法包括：在多个不同转速下，使驱动电机匀速转动，并采集各转速下对应的电枢电流；根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及根据所述数据对建立所述摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和摩擦力矩之间的关系。

为了解决上述技术问题，本发明提供的另一种技术方案为：提供一种包括互相耦合的控制器和驱动电机的机器人，其中，该控制器可执行程序指令并执行以下方法：在多个不同转速下，使所述驱动电机匀速转动，并采集各转速下对应的电枢电流；根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及根据所述数据对建立所述摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和摩擦力矩之间的关系。

为了解决上述技术问题，本发明提供的另一种技术方案为：提供一种存储装置，该存储装置存储有程序指令，该程序指令可被加载并执行上述机器人的动力学参数辨识方法。

本发明的有益效果是：通过获取多个转速与摩擦力矩的数据对，从而可以根据数据对建立多项式摩擦模型。多项式摩擦模型既能作线性模型使用，又具有非线性特征的表达能力，具有更好的适应性。因此，本发明可简化机器人动力学参数的辨识过程中的计算，节约***的计算能力。

附图说明

图1是本发明机器人的动力学参数辨识方法一实施例的流程示意图。

图2是本发明机器人的动力学参数辨识方法另一实施例的流程示意图。

图3是本发明机器人的动力学参数辨识方法又一实施例的流程示意图。

图4是本发明机器人的惯性参数辨识方法一实施例的流程示意图。

图5是本发明机器人一实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，图1是本发明机器人的动力学参数辨识方法一实施例的流程示意图。该方法包括以下步骤。

S101：在多个不同转速下，使机器人的驱动电机匀速转动，并采集各转速下对应的电枢电流。

机器人可以有多个关节，每个关节可以设置一个或多个驱动电机以驱动关节运动，从而实现机器人的运动。在本申请中，为清楚地解释，以一个驱动电机为例进行说明。机器人的驱动电机可以是直流电机或者交流电机，在此不做限定。在步骤S101中，使驱动电机在不同的转速下匀速运动，例如，可以使驱动电机首先以较低地转速匀速运动一段时间，然后逐步提高转速，在每一个转速都保持一段时间的匀速运动，并且采集各转速下对应的电枢电流。为了减少误差，在每个转速下可以采集多组电枢电流数据，进而取平均值得到该转速下对应的电枢电流，或者，当电枢电流呈周期性变化时，也可以将每组电枢电流数据的直流和交流分量提取出来并分别求平均值。

可选地，可在初始测试转速下(例如1°/s)使驱动电机匀速转动，并采集初始测试转速对应的电枢电流。然后，将转速每次增加可变步长(或者，若初始转速选择一较高的转速，也可在后续测试中将转速按可变步长逐渐减小)从而得到后续测试转速。在后续测试转速下使驱动电机匀速转动，并采集后续测试转速对应的电枢电流，直到达到目标转速。初始转速和目标转速均可以由操作人员根据经验指定，例如，可以将初始转速和目标转速分别设置为驱动电机可以达到的最低转速和最高转速。在一些实施例中，在将转速改变的过程中，转速越高，可变步长的值越大，也就是说在低速段的转速较为密集，这样得到的结果可以更好地描述摩擦力矩在低速段的非线性特征。例如，在低速段可以将步长设置为1°/s，即每次将转速改变1°/s，而在高速段可以将步长设置为2°/s或3°/s等。可以理解，在另一些实施例中，转速改变的步长也可以是固定值。

S102：根据各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个转速与摩擦力矩的数据对。

在得到各转速下对应的电枢电流的基础上，结合关节驱动电机的电流-扭矩模型，就可以计算各转速下对应的摩擦力矩。具体地，由于在各转速下驱动电机均为匀速运动，加速度为零，不存在惯性力，可以认为驱动电机输出的力矩中的直流分量全部用于克服摩擦力矩。因此，提取出各转速下的电枢电流的直流分量，并根据驱动电机的输出扭矩与电枢电流的关系，就可以计算得到对应的用于克服摩擦力矩的力矩大小，也就是摩擦力矩的大小。这样，在步骤S102中就得到了多个转速与摩擦力矩的数据对。

S103：根据这些数据对建立摩擦多项式模型，该摩擦多项式模型用以描述驱动电机的转速和摩擦力矩之间的关系。

一般情况下，为了简化模型复杂度，认为摩擦力产生的转矩只与驱动电机(关节)转速有关。在步骤S103中，采用多项式模型，拟合步骤S102中得到的数据，从而得到多项式模型中的各参数。得到的摩擦多项式模型就可以用以描述驱动电机的转速和摩擦力矩之间的关系，即，给出驱动电机的任意转速，就可以得知关节运行时受到的摩擦力矩的大小。

可选地，多项式模型可以是用于表征转速与摩擦力矩的关系的1元K次多项式，其中K为大于或等于2的正整数，例如，K＝3或K＝4。

可选地，由于摩擦多项式可看作线性模型，因此可以使用最小二乘法进行曲线拟合，拟合方法简单快速。可以理解，也可以采用其他参数优化、拟合方法进行摩擦多项式的拟合。

通过获取多个转速与摩擦力矩的数据对，从而可以根据数据对建立摩擦多项式模型。摩擦多项式模型既能作线性模型使用，又具有非线性特征的表达能力，具有更好的适应性。因此，本发明可简化机器人动力学参数的辨识过程中的计算，节约***的计算能力。

请参阅图2，图2是本发明机器人的动力学参数辨识方法另一实施例的流程示意图。如图2所示，该方法包括以下步骤。

S201：在多个不同转速下，使驱动电机匀速转动，并采集各转速下对应的电枢电流。

S202：根据各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个转速与摩擦力矩的数据对。

步骤S201和S202与前述S101和S102类似，在此不再赘述。

S203：根据各转速下对应的摩擦力矩，找到其中的最小摩擦力矩及对应的参考转速。

若采集了m组转速-摩擦力矩的数据对，那么首先对这些数据对进行遍历，找到其中最小的摩擦力矩以及该力矩对应的参考转速，例如，最小的摩擦力矩可记为tor_border，对应的参考转速可记为V_border。

S204：判断数据对中是否同时存在大于和小于参考转速的转速。

根据摩擦理论，润滑状态下***中两相互接触的表面从静止到滑动会经历四个摩擦阶段，分别是静摩擦阶段、边界润滑阶段、部分润滑阶段和全润滑阶段。由于存在不同的摩擦阶段，随着转速由零逐渐升高，摩擦力矩呈现出先下降随后逐渐上升的趋势。因此，理论上来说在下降段和上升段的交界点处存在最小的摩擦力矩。实际情况下，受选取的测试转速、***精度、润滑状况等因素的影响，有可能会出现最小摩擦力矩是测试得到的所有数据对中最小转速的情况。在这两种情况下需要采用不同的方式对摩擦力矩进行建模，因此，在步骤S204中判断数据对中是否同时存在大于和小于参考转速的转速，如果存在，则执行步骤S205和S206，否则执行步骤S207。

S205：将小于参考转速的转速范围作为低速段，对低速段内的摩擦力矩的数据对进行拟合，得到低速摩擦模型。

S206：将大于参考转速的转速范围作为高速段，对高速段内的摩擦力矩的数据对进行拟合，得到高速摩擦模型。

在步骤S205和S206中，将测试得到的转速-摩擦力矩数据对以参考转速V_border为界分为高速段和低速段，并分别对高速段和低速段内的数据对使用多项式模型进行拟合，从而分别得到低速段的摩擦模型和高速段的摩擦模型，并使低速段的摩擦模型的曲线和高速段的摩擦模型的曲线交于点(V_border，tor_border)，这样就得到了驱动电机完整转速范围内的连续的摩擦力矩特性曲线。可以理解，低速段和高速段均可以采用K次多项式模型进行数据拟合，其中K值可以根据经验值选取，低速段和高速段的K值可以相同也可以不同。

通过这样的方式，分别得到了低速段的摩擦模型和高速段的摩擦模型，从而可以更好地描述低速段的stribeck现象，并且与传统的stribeck摩擦模型相比，高速段的多项式摩擦模型也可以更好地表征高速段摩擦力矩的线性特征和非线性特征。

S207：对所有转速和摩擦力矩的数据对进行拟合，得到摩擦多项式模型。

若数据对中不同时存在大于和小于参考转速的转速，通常来说，参考转速V_border就是最低转速，在这种情况下，就可以使用单个K次多项式模型对数据对进行拟合，从而得到关节的摩擦多项式模型。可以理解，这种情况也可以认为是分段式多项式函数的一个特例。

请参阅图3，图3是本发明机器人的动力学参数辨识方法又一实施例的流程示意图。如图3所示，该方法包括以下步骤。

S301：在多个不同转速下，将驱动电机设置为位置模式或者速度模式。

伺服***通常有位置环、速度环和电流环控制模式，机器人的驱动电机也属于一种伺服***。由于在测试过程中我们希望驱动电机作匀速运动，因此，可以采用位置环或者速度环进行控制，即，在步骤S301中，将驱动电机设置为位置模式或者速度模式进行控制。

S302：使驱动电机从第一位置匀速运动至第二位置，并从第二位置匀速返回第一位置，期间采集驱动电机的电枢电流。

在各个转速下，使驱动电机从第一位置匀速运动至第二位置，并从第二位置匀速返回第一位置，从而可以得到了各个转速下驱动电机正转的电枢电流和反转的电枢电流。

S303：根据各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个转速与摩擦力矩的数据对。

根据各个转速下驱动电机正转的电枢电流就可以得到驱动电机正转下的转速-摩擦力矩数据对，而使用各个转速下驱动电机反转的电枢电流就可以得到驱动电机反转下的转速-摩擦力矩数据对。

S304：使用驱动电机从第一位置匀速运动至第二位置过程中的转速与摩擦力矩的数据对建立驱动电机的正转摩擦模型。

S305：使用驱动电机从第二位置匀速返回第一位置过程中的转速与摩擦力矩的数据对建立驱动电机的反转摩擦模型。

在步骤S304和步骤S305中分别使用在先前步骤得到的驱动电机正转和反转下的转速-摩擦力矩数据对，并分别使用多项式模型进行拟合，就可以建立驱动电机的正转摩擦模型和反转摩擦模型。

根据驱动电机的正转摩擦模型，可以由驱动电机的转速准确地计算驱动电机正转时的摩擦力矩。而根据驱动电机的反转摩擦模型，可以由驱动电机的转速准确地计算驱动电机反转时的摩擦力矩。在实际的情况中，驱动电机正转和反转时的摩擦特性可能存在一定的差别，通过分别建立正转摩擦模型和反转摩擦模型就能更准确地描述驱动电机的摩擦特性。

应当理解，图3实施例中的方案可以与图1和/或图2中的技术方案组合使用。例如，在建立驱动电机的正转摩擦模型和反转摩擦模型时，都可以使用图2实施例所述的使用分段多项式模型的方法。

除摩擦模型之外，机器人的动力学参数还包括机器人的各惯性参数，例如各轴的质量、质心及转动惯量。因此，在根据上述任意实施例获取了机器人的摩擦多项式模型之后，本发明还进一步提供对机器人惯性参数辨识的方法，

考虑摩擦因素机器人的动力学模型形式可表达为：

其中，τ是n*1(n为机器人关节数)的矢量，其第i(i＝1,2,…,n)个分量的物理意义为机器人第i关节所需的驱动力矩，

为惯性力矩矢量，其中H(q)为质量矩阵，/>

为各轴的加速度，/>

为科氏/离心力矩向量，G(q)为重力矩向量，/>

为摩擦力矩向量。机器人的惯性参数例如质量、质心及转动惯量分别包含在H(q)、/>

和G(q)中。对公式(1)进行变换，可得到变形后的动力学模型：

其中

称为回归矩阵，与惯性参数无关，而p为由各惯性参数排列而成的列向量。该表达式下，τ与p呈现线性关系，故称为动力学模型的线性形式。

为了对惯性参数进行辨识，可执行如图4所示的方法，该方法包括以下步骤。

S401：选择惯性参数辨识的激励轨迹，使驱动电机按激励轨迹运行，并采集驱动电机的反馈位置、反馈速度和反馈电流。

根据前述分析可知，机器人(或者机器人关节)的惯性参数与机器人的驱动力矩、位置、速度、加速度、摩擦力矩之间存在一定关系，而在已知摩擦模型的基础上，我们可以根据驱动电机(等同于所在关节)的反馈位置、反馈速度和反馈电流计算上述参数。那么如果能获取多组上述关系，我们就可以通过拟合机器人的动力学曲线的方式计算得到机器人的惯性参数。

激励轨迹指的是我们期望驱动电机运动的路径，即驱动电机以何种速度运动至何位置。在理想的情况下，如没有***误差，则只需要令驱动电机以若干(具体数量与惯性参数的数量有关)组不同的速度、加速度和位置进行运动，并采集相应的反馈信号，就可以拟合机器人的动力学曲线。然而，在实际情况下，由于受到***噪声和测量误差的干扰，驱动电机运动的路径不能任意选取，否则计算误差将过大，造成结果不准确或者计算无法收敛。因此，在步骤S401中，首先选择惯性参数辨识的激励轨迹，使驱动电机按激励轨迹运行，并采集驱动电机的反馈位置、反馈速度和反馈电流。激励轨迹可以根据经验选取也可以由优化算法计算得到。

可选地，可以任意选取激励轨迹参数的初始值，或者也可以根据经验值选取初始值，然后采用遗传算法等优化算法对激励轨迹的参数进行优化，目标为考虑***误差和测量误差的情况下使拟合计算的偏差最小。具体方法可以参考相关技术中的描述。

S402：根据反馈速度和驱动电机的摩擦多项式模型计算对应的摩擦力矩，并根据反馈电流计算输出扭矩，从而得到理想动力学模型下的驱动力矩。

将采集的反馈速度代入摩擦多项式模型，就可以计算对应的摩擦力矩，根据反馈电流可以计算驱动电机的输出扭矩。将输出扭矩与摩擦力矩相减，就可以得到理想动力学模型(即忽略摩擦力矩或者除去摩擦力矩的影响后的动力学模型)下的驱动力矩。这样，就可以获取激励路径上各点的驱动力矩。

S403：根据驱动力矩、反馈位置和反馈速度对机器人的惯性参数进行拟合。

观察线性形式的动力学模型

可见，与惯性参数相关的参数除驱动力矩外还包括位置矢量、速度矢量和加速度矢量，其中，在激励路径上个点的位置矢量和速度矢量即为采集得到的反馈位置和反馈速度，而加速度矢量可以通过将反馈速度进行数值差分得到。因此，在此基础上就可以结合线性形式的动力学逆解模型对机器人的惯性参数进行拟合。拟合过程中可以采用最小二乘法等优化算法，在此不做限定。

通过实施上述方法，就可以在获取机器人的摩擦多项式模型的基础上，进一步获取机器人的各惯性参数，从而得到所有所需的机器人动力学参数。在机器人的控制过程中可以通过获取的动力学参数进行计算和控制。

请参阅图5，图5是本发明提供的机器人500一实施例的结构示意图。该机器人500包括通信总线501、控制器502、存储器403和驱动电机504。控制器502和存储器503通过通信总线501耦接。

其中，存储器503保存有程序数据，程序数据可被控制器502加载并执行上述任意实施例的机器人的动力学参数辨识方法。可以理解地，在其它一些实施例中，存储器503可以不同控制器502设置于同一实体装置中，而是通过将机器人500结合网络来执行上述任一实施例的方法。

该机器人500可以是工业机器人或家用机器人等类型的机器人，例如多关节机械臂或者拟人类机器人等。本领域的技术人员可以理解，只要涉及到关节运动的机器人都可以使用本发明提供的技术方案。

上述实施例所述功能如果以软件形式实现并作为独立的产品销售或使用时，可存储在一个具有存储功能的装置中，即，本发明还提供一种存储有程序的存储装置。存储装置中程序数据能够被执行以实现上述实施例中机器人的动力学参数辨识方法，该存储装置包括但不限于U盘、光盘、服务器或者硬盘等。

以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (14)

1.一种机器人的动力学参数辨识方法，其特征在于，包括：

在多个不同转速下，使机器人的驱动电机匀速转动，并采集各转速下对应的电枢电流；

根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及

根据所述数据对建立摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和摩擦力矩之间的关系；

其中，所述在多个不同转速下，使所述驱动电机匀速转动，并采集各转速下对应的电枢电流的步骤包括：

在多个不同转速下，将所述驱动电机设置为位置模式或者速度模式，使所述驱动电机从第一位置匀速运动至第二位置，并从第二位置匀速返回第一位置，期间采集所述驱动电机的电枢电流；

所述根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对的步骤包括：

提取出所述各转速下的电枢电流的直流分量，并根据所述驱动电机的输出扭矩与电枢电流的关系计算得到各转速下对应的摩擦力矩；

所述根据所述数据对建立所述摩擦多项式模型的步骤包括：

使用所述驱动电机从第一位置匀速运动至第二位置过程中的所述转速与摩擦力矩的数据对建立所述驱动电机的正转摩擦模型；以及

使用所述驱动电机从第二位置匀速返回第一位置过程中的所述转速与摩擦力矩的数据对建立所述驱动电机的反转摩擦模型；

所述根据所述数据对建立所述摩擦多项式模型的步骤进一步包括：

根据所述各转速下对应的摩擦力矩，找到其中的最小摩擦力矩及对应的参考转速；

当所述数据对中同时存在大于和小于所述参考转速的转速时，将小于所述参考转速的转速范围作为低速段，对所述低速段内的转速和摩擦力矩的数据对进行拟合，得到低速摩擦模型，将大于所述参考转速的转速范围作为高速段，对所述高速段内的转速和摩擦力矩的数据对进行拟合，得到高速摩擦模型。

2.如权利要求1所述的方法，其特征在于，所述根据所述数据对建立所述摩擦多项式模型的步骤进一步包括：

当所述数据对中不同时存在大于和小于所述参考转速的转速时，对所有转速和摩擦力矩的数据对进行拟合，得到所述摩擦多项式模型。

3.如权利要求1所述的方法，其特征在于，在所述在多个不同转速下使所述驱动电机匀速转动并采集各转速下对应的电枢电流的步骤包括：

在初始测试转速下使所述驱动电机匀速转动，并采集所述初始测试转速对应的电枢电流；

将转速每次增加或减少可变步长从而得到后续测试转速，在所述后续测试转速下使所述驱动电机匀速转动，并采集所述后续测试转速对应的电枢电流，直到达到目标转速；

其中，转速越高，可变步长的值越大。

4.如权利要求1所述的方法，其特征在于，所述摩擦多项式模型为用于表征所述转速与摩擦力矩的关系的1元K次多项式，其中K为大于或等于2的正整数。

5.如权利要求1所述的方法，其特征在于，所述摩擦多项式模型使用最小二乘法进行曲线拟合。

6.如权利要求1所述的方法，其特征在于，还包括：

选择惯性参数辨识的激励轨迹，使所述驱动电机按所述激励轨迹运行，并采集所述驱动电机的反馈位置、反馈速度和反馈电流；

根据所述反馈速度和所述驱动电机的所述摩擦多项式模型计算对应的摩擦力矩，并根据所述反馈电流计算输出扭矩，从而得到理想动力学模型下的驱动力矩；

根据所述驱动力矩、所述反馈位置和所述反馈速度对所述机器人的惯性参数进行拟合。

7.如权利要求6所述的方法，其特征在于，所述选择惯性参数辨识的激励轨迹的步骤包括：

选取激励轨迹参数的初始值；以及

采用遗传算法对所述激励轨迹参数进行优化。

8.一种机器人，其特征在于，包括互相耦合的控制器和驱动电机，其中，所述控制器可执行程序指令并执行以下方法：

在多个不同转速下，使机器人的驱动电机匀速转动，并采集各转速下对应的电枢电流；

根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及

根据所述数据对建立摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和摩擦力矩之间的关系；

其中，所述在多个不同转速下，使所述驱动电机匀速转动，并采集各转速下对应的电枢电流的步骤包括：

在多个不同转速下，将所述驱动电机设置为位置模式或者速度模式，使所述驱动电机从第一位置匀速运动至第二位置，并从第二位置匀速返回第一位置，期间采集所述驱动电机的电枢电流；

所述根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对的步骤包括：

提取出所述各转速下的电枢电流的直流分量，并根据所述驱动电机的输出扭矩与电枢电流的关系计算得到各转速下对应的摩擦力矩；

所述根据所述数据对建立所述摩擦多项式模型的步骤包括：

使用所述驱动电机从第一位置匀速运动至第二位置过程中的所述转速与摩擦力矩的数据对建立所述驱动电机的正转摩擦模型；以及

使用所述驱动电机从第二位置匀速返回第一位置过程中的所述转速与摩擦力矩的数据对建立所述驱动电机的反转摩擦模型；

所述根据所述数据对建立所述摩擦多项式模型的步骤进一步包括：

根据所述各转速下对应的摩擦力矩，找到其中的最小摩擦力矩及对应的参考转速；

当所述数据对中同时存在大于和小于所述参考转速的转速时，将小于所述参考转速的转速范围作为低速段，对所述低速段内的转速和摩擦力矩的数据对进行拟合，得到低速摩擦模型，将大于所述参考转速的转速范围作为高速段，对所述高速段内的转速和摩擦力矩的数据对进行拟合，得到高速摩擦模型。

9.如权利要求8所述的机器人，其特征在于，所述根据所述数据对建立所述摩擦多项式模型的步骤进一步包括：

当所述数据对中仅存在大于所述参考转速的转速时，对所有转速和摩擦力矩的数据对进行拟合，得到所述摩擦多项式模型。

10.如权利要求8所述的机器人，其特征在于，所述方法还包括：

选择惯性参数辨识的激励轨迹，使所述驱动电机按所述激励轨迹运行，并采集所述驱动电机的反馈位置、反馈速度和反馈电流；

根据所述反馈速度和所述驱动电机的所述摩擦多项式模型计算对应的摩擦力矩，并根据所述反馈电流计算输出扭矩，从而得到理想动力学模型下的驱动力矩；

根据所述驱动力矩、所述反馈位置和所述反馈速度对所述机器人的惯性参数进行拟合。

11.如权利要求10所述的机器人，其特征在于，所述选择惯性参数辨识的激励轨迹的步骤包括：

选取激励轨迹参数的初始值；以及

采用遗传算法对所述激励轨迹参数进行优化。

12.如权利要求8所述的机器人，其特征在于，在所述在多个不同转速下使所述驱动电机匀速转动并采集各转速下对应的电枢电流的步骤包括：

在初始测试转速下使所述驱动电机匀速转动，并采集所述初始测试转速对应的电枢电流；

将转速每次增加或减少可变步长从而得到后续测试转速，在所述后续测试转速下使所述驱动电机匀速转动，并采集所述后续测试转速对应的电枢电流，直到达到目标转速；

其中，转速越高，可变步长的值越大。

13.如权利要求8所述的机器人，其特征在于：

所述摩擦多项式模型为用于表征所述转速与摩擦力矩的关系的1元K次多项式，其中K为大于或等于2的正整数；以及

所述摩擦多项式模型使用最小二乘法进行曲线拟合。

14.一种具有存储功能的装置，其特征在于，存储有程序指令，所述程序指令可被加载并执行一种机器人的动力学参数辨识方法，所述方法包括：

在多个不同转速下，使驱动电机匀速转动，并采集各转速下对应的电枢电流；

根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及

根据所述数据对建立摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和摩擦力矩之间的关系；

其中，所述在多个不同转速下，使所述驱动电机匀速转动，并采集各转速下对应的电枢电流的步骤包括：

在多个不同转速下，将所述驱动电机设置为位置模式或者速度模式，使所述驱动电机从第一位置匀速运动至第二位置，并从第二位置匀速返回第一位置，期间采集所述驱动电机的电枢电流；

所述根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对的步骤包括：

提取出所述各转速下的电枢电流的直流分量，并根据所述驱动电机的输出扭矩与电枢电流的关系计算得到各转速下对应的摩擦力矩；

所述根据所述数据对建立所述摩擦多项式模型的步骤包括：

使用所述驱动电机从第一位置匀速运动至第二位置过程中的所述转速与摩擦力矩的数据对建立所述驱动电机的正转摩擦模型；以及

使用所述驱动电机从第二位置匀速返回第一位置过程中的所述转速与摩擦力矩的数据对建立所述驱动电机的反转摩擦模型；

所述根据所述数据对建立所述摩擦多项式模型的步骤进一步包括：

根据所述各转速下对应的摩擦力矩，找到其中的最小摩擦力矩及对应的参考转速；

当所述数据对中同时存在大于和小于所述参考转速的转速时，将小于所述参考转速的转速范围作为低速段，对所述低速段内的转速和摩擦力矩的数据对进行拟合，得到低速摩擦模型，将大于所述参考转速的转速范围作为高速段，对所述高速段内的转速和摩擦力矩的数据对进行拟合，得到高速摩擦模型。

Images