CN112528434B - 信息识别方法、装置、电子设备和存储介质 - Google Patents
信息识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112528434B CN112528434B CN202011410594.5A CN202011410594A CN112528434B CN 112528434 B CN112528434 B CN 112528434B CN 202011410594 A CN202011410594 A CN 202011410594A CN 112528434 B CN112528434 B CN 112528434B
- Authority
- CN
- China
- Prior art keywords
- robot joint
- robot
- friction damping
- parameter
- torque parameter
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000013016 damping Methods 0.000 claims abstract description 120
- 238000012360 testing method Methods 0.000 claims abstract description 95
- 230000005540 biological transmission Effects 0.000 claims abstract description 47
- 230000001133 acceleration Effects 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 2
- 230000000930 thermomechanical effect Effects 0.000 claims 1
- 239000003638 chemical reducing agent Substances 0.000 abstract description 9
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000252229 Carassius auratus Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明实施例公开了一种信息识别方法、装置、电子设备和存储介质,涉及信息处理领域。信息识别方法包括:获取所述机器人关节的测试序列,其中,所述测试序列包括理想驱动力矩参数、电机速度和加速度;根据所述理想驱动力矩参数、所述加速度和预设转动参数获取所述机器人关节的实际传动转矩参数;根据所述实际传动转矩参数和所述电机速度构建摩擦阻尼模型,并根据所述摩擦阻尼模型获取所述机器人关节的摩擦阻尼信息。应用机器人关节测试的过程中,通过对机器人关节的摩擦阻尼进行建模和辨识能够更准确的获取摩擦阻尼信息,解决了现有技术中由于摩擦阻尼识别存在误差,而导致机器人为了保证减速器的安全牺牲机器人加速度性能的问题。
Description
技术领域
本发明实施例涉及信息处理领域,特别涉及一种信息识别方法、装置、电子设备和存储介质。
背景技术
随着人工智能的快速发展,工业机器人的应用也逐渐加快了步伐,也因此增加了对工业机器人关节的性能要求,机器人关节的摩擦阻尼主要来自减速器,而减速器的效率主要受温度、速度、负载影响,工业机器人的控制算法在加入动力学后,由于机器人的关节效率随负载大小、温度、速度等多方面因素影响,摩擦力模型不准带入的误差导致在做速度规划时,为了保证减速器的安全,大部分情况下减速器的安全余量都很大。
然而,在减速器的安全余量很大的情况下,使得工业机器人加速度性能大幅度降低,工业机器人无法发挥出其最佳的性能,导致整个机器人的关节节拍性能低下;同时摩擦力模型不准,还会引入较大的模型误差干扰,扰动过大导致机器人抖动会变大。
发明内容
本发明实施方式的目的在于提供一种信息识别方法、装置、电子设备和存储介质,能够更加准确的获取机器人关节的摩擦阻尼信息,使得机器人可以更加充分地发挥加速器及电机的性能,提高机器人关节的节拍性能。
为解决上述技术问题,本发明的实施方式提供了一种信息识别方法,应用在机器人关节测试过程中,包括:获取所述机器人关节的测试序列,其中,所述测试序列包括理想驱动力矩参数、电机速度和加速度;根据所述理想驱动力矩参数、所述加速度和预设转动参数获取所述机器人关节的实际传动转矩参数;根据所述实际传动转矩参数和所述电机速度构建摩擦阻尼模型,并根据所述摩擦阻尼模型获取所述机器人关节的摩擦阻尼信息。
本发明的实施方式还提供了一种信息识别装置,包括:
第一获取模块,用于获取所述机器人关节的至少两组测试参数序列,其中,所述测试参数序列包括理想驱动力矩参数、电机速度和加速度;
第二获取模块,用于根据所述理想驱动力矩参数、所述加速度和预设转动参数获取所述机器人关节的实际传动转矩参数;
构建模块,用于根据所述实际传动转矩参数和所述电机速度构建摩擦阻尼模型,并根据所述摩擦阻尼模型获取所述机器人关节的摩擦阻尼信息。
本发明的实施方式还提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行以上所述的信息识别方法。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现以上所述的信息识别方法。
本发明实施方式相对于现有技术而言,在机器人关节测试过程中,获取机器人关节的测试序列,其中,测试序列包括理想驱动力矩参数、电机速度和加速度;根据理想驱动力矩参数、加速度和预设转动参数获取机器人关节的实际传动转矩参数;根据实际传动转矩参数和所述电机速度构建摩擦阻尼模型,并根据摩擦阻尼模型获取机器人关节的摩擦阻尼信息。通过对机器人关节的摩擦阻尼进行建模和辨识能够更准确的获取机器人关节摩擦阻尼信息,使得机器人可以更加充分地发挥加速器及电机的性能,提高机器人的节拍性能,解决了现有技术中由于摩擦阻尼识别存在误差,而导致机器人为了保证减速器的安全牺牲机器人加速度性能的问题。
另外,本发明实施方式提供的信息识别方法,所述获取所述机器人关节的测试序列之前还包括:构建所述机器人的动力学模型,并根据所述动力学模型获取所述机器人关节的所述理想驱动力矩参数。本发明提供的技术方案所获取机器人关节的理想驱动力矩参数是根据动力学模型获取的,使得本发明获得更准确的理想驱动力矩参数,提高机器人的响应速度,降低机器人的抖动。
另外,本发明实施方式提供的信息识别方法,所述获取所述机器人关节的测试参数序列之前还包括对所述机器人进行热机操作。本发明提供的技术方案可以在对机器人关节进行测试前,对其进行热机操作,使得机器人关节能够更好的适应测试工作,保障后续测试工作的顺利进行,使得本发明最终所构建的摩擦阻尼模型更加准确,提高所获取的摩擦阻尼信息的准确性。
另外,本发明实施方式提供的信息识别方法,所述获取所述机器人关节的测试序列之后还包括:对所述测试序列进行数据分析,获取所述机器人关节的有效测试序列。本发明提供的技术方案可以对所获取到的测试序列进行数据筛选,去掉一些无效数据,使得本发明可以避免无效数据的存在使得所构建的摩擦阻尼模型存在误差,提高所获取的摩擦阻尼信息的准确性。
另外,本发明实施方式提供的信息识别方法,所述根据所述理想驱动力矩参数、所述加速度和预设转动参数获取所述机器人关节的实际传动转矩参数,包括:根据所述加速度和所述预设转动参数获取所述机器人关节的电机转矩参数;根据所述理想驱动力矩参数和所述电机转矩参数获取所述实际传动转矩参数。本发明提供的技术方案可以根据机器人的类型来获取相对应的实际传动转矩参数,使得本发明所构建的摩擦阻尼模型更加准确,所获取的摩擦阻尼信息更加准确。
另外,本发明实施方式提供的信息识别方法,所述根据所述理想驱动力矩参数、所述加速度和预设转动参数获取所述机器人关节的实际传动转矩参数之后还包括:获取所述机器人关节的电机电流;根据所述电机电流和预设转矩参数获取所述机器人关节的实际输出转矩参数;根据所述实际输出转矩参数和所述理想驱动力矩参数获取所述机器人关节的测量摩擦阻尼。本发明提供的技术方案可以获取实际测量摩擦阻尼信息,使用该信息对根据摩擦阻尼模型所获取的摩擦阻尼信息进行验证,以便及时对摩擦阻尼模型进行适应性调整,保障本申请所获取的摩擦阻尼信息的准确性,适用性更强。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明的第一实施方式提供的信息识别方法的流程图;
图2是本发明所获取的摩擦阻尼信息随着实际传动转矩的变化曲线示意图;
图3是本发明所获取的摩擦阻尼信息随着电机速度的变化曲线示意图;
图4是本发明的第二实施方式提供的信息识别方法的流程图;
图5是本发明的第三实施方式提供的信息识别方法的流程图;
图6是本发明的第四实施方式提供的信息识别方法的流程图;
图7是本发明的第五实施方式提供的信息识别方法的流程图;
图8是本发明的第六实施方式提供的信息识别方法的流程图;
图9是本发明的第七实施方式提供的信息识别装置的结构示意图;
图10是本发明的第八实施方式提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种信息识别方法,应用在机器人关节测试过程中,如图1所示,具体包括:
步骤101,获取机器人关节的测试序列,其中,测试序列包括理想驱动力矩参数、电机速度和加速度。
具体的说,在对机器人的关节进行测试前,需要对机器人的工作环境进行测量,要保持机器人的工作环境温度基本恒定,需要设置好机器人末端负载信息,在关节坐标系下建立摩擦阻尼的测试程序(如:设置机器人的末端负载信息为0(即末端不带负载),在关节坐标系下建立摩擦阻尼的测试程序,并将测试程序设定为J1关节从-90°运动到+90°,再返回-90°,重复来回5个循环),还需要对机器人进行热机操作,热机操作具体为在机器人的测试部位运行测试程序,在机器人进行热机时,需要保持热机操作的工作环境与实际测试工作环境保持一致,其中,运行测试程序的时间不少于20分钟,在实际使用中,也可以根据机器人的实际工作环境对热机时间做出相对应的调整;在机器人关节的热机操作完成后,正式开始对机器人关节的测试工作,获取机器人关节的测试序列,其中,所获取的一组测试序列包括机器人关节的理想驱动力矩参数、机器人关节伺服电机速度和机器人关节伺服电机加速度,除此之外,还可以包括电机电流等参数,其中,电机电流、理想驱动力矩参数、机器人关节伺服电机速度和机器人关节伺服电机加速度等都可以通过采样的方式获取,机器人关节伺服电机加速度也可以通过速度微分来获取,所获取的测试序列至少包含一组,测试序列可以通过机器人的控制器反馈,也可以通过其他方式反馈,而所获取电机速度与电机加速度可以是相对于电机的,也可以是相对于机器人关节的,但前提是两者所选取的参考目标必须一致。
步骤102,根据理想驱动力矩参数、加速度和预设转动参数获取机器人关节的实际传动转矩参数。
具体的说,在获取到所测的机器人关节的测试序列之后,需要根据测试序列中的理想驱动力矩参数、机器人关节伺服电机加速度和预设的转动参数来获取所测机器人关节的实际转动转矩参数;首先需要根据预设的转动参数和机器人关节伺服电机加速度获取所测关节高速端加减速所需要的电机转矩参数,再根据转矩和理想驱动力矩参数获取所测机器人关节的实际转动转矩参数,其中,预设的转动参数是指所测机器人关节驱动器的转动惯量,由所测机器人关节的驱动器决定。
步骤103,根据实际传动转矩参数和电机速度构建摩擦阻尼模型,并根据摩擦阻尼模型获取机器人关节的摩擦阻尼信息。
具体的说,首先需要根据实际传动转矩参数和电机速度所构建一个摩擦阻尼模型为:,其中,为所述摩擦阻尼模型,为所述实际传动转矩参数,为所述电机速度,、、和为待定系数,、、和可以通过最小二乘法获取,也可以通过其他系数获取方法来获取,此处并不唯一。
举例说明:
若所测机器人为新时达桌面机器人SD7/700,测试时,环境温度控制在22℃±0.5℃,测试机器人关节选用J1关节,设置机器人末端不带负载,在关节坐标系下建立摩擦阻尼的测试程序,测试程序设定为J1关节从-90°运动到+90°,再返回-90°,重复来回5个循环;对机器人进行热机操作且机器人达到测试条件后,开始测试,获取J1关节的测试序列:理想驱动力矩参数、机器人关节伺服电机速度和机器人关节伺服电机加速度,对测试序列进行筛选,去除掉测试序列中的无效数据,计算测试关节实际输出转矩,,计算所测关节高速端加减速所需要的转矩,,减速器实际传动转矩,测量摩擦阻尼信息为,建立摩擦阻尼模型(、、和为待定系数),阻尼的方向与速度方向相反,最小二乘法拟合得到,摩擦阻尼信息在电机速度为2000R/min时,摩擦阻尼信息随着实际传动转矩的变化曲线图如图2所示,摩擦阻尼信息在实际传动转矩时,摩擦阻尼信息随着电机速度的变化曲线图如图3所示。
本发明实施方式相对于现有技术而言,在机器人关节测试过程中,获取机器人关节的测试序列,其中,测试序列包括理想驱动力矩参数、电机速度和加速度;根据理想驱动力矩参数、加速度和预设转动参数获取机器人关节的实际传动转矩参数;根据实际传动转矩参数和所述电机速度构建摩擦阻尼模型,并根据摩擦阻尼模型获取机器人关节的摩擦阻尼信息。通过对机器人关节的摩擦阻尼进行建模和辨识能够更准确的获取机器人关节摩擦阻尼信息,使得机器人可以更加充分地发挥加速器及电机的性能,提高机器人的节拍性能,解决了现有技术中由于摩擦阻尼识别存在误差,而导致机器人为了保证减速器的安全牺牲机器人加速度性能的问题。
本发明的第二实施方式涉及一种信息识别方法,该方法与本发明的第一实施方式所提供的信息识别方法基本相同,其区别在于,如图4所示,具体包括:
步骤201,构建机器人的动力学模型,并根据动力学模型获取机器人关节的理想驱动力矩参数。
具体的说,在构建机器人的动力学模型时,需要忽略机器人关节的摩擦阻尼,所构建的动力学模型可以是根据拉格朗日方程建立的,也可以根据牛顿欧拉方程建立的,所构建的动力学模型根据机器人的型号来决定,其中,若采用基于拉格朗日方程来构建机器人的动力学模型,所构建动力学模型的可以简化为,再根据模型来获取的理想驱动力矩参数,其中,为机器人关节角度、机器人关节速度和机器人关节加速度,为机器人惯性力矩阵,为机器人离心力矩和哥氏力矩,为机器人重力矩,为机器人关节摩擦力,为机器人关节轴温度,为机器人关节轴负载,为机器人关节实际输出转矩,为机器人关节高速端加减速所需要的转矩,该机器人此处仅为举例说明,在实际应用中可以根据实际需求进行调整,在某种情况下,所获取的理想驱动力矩参数可表示为。
步骤202,获取机器人关节的测试序列,其中,测试序列包括电机速度和加速度。
具体的说,本步骤与第一实施方式中的步骤101大致相同,此处不一一赘述。
步骤203,根据理想驱动力矩参数、加速度和预设转动参数获取机器人关节的实际传动转矩参数。
具体的说,本步骤与第一实施方式中的步骤102大致相同,此处不一一赘述。
步骤204,根据实际传动转矩参数和电机速度构建摩擦阻尼模型,并根据摩擦阻尼模型获取机器人关节的摩擦阻尼信息。
具体的说,本步骤与第一实施方式中的步骤103大致相同,此处不一一赘述。
本发明实施方式相对于现有技术而言,在实现第一实施方式带来的有益效果基础上,可以根据动力学模型获得更准确的理想驱动力矩参数,提高机器人的响应速度,降低机器人的抖动。
本发明的第三实施方式涉及一种信息识别方法,该方法与本发明的第一实施方式所提供的信息识别方法基本相同,其区别在于,在进行测试前需对机器人进行热机操作,如图5所示,具体包括:
步骤301,对机器人进行热机操作。
具体的说,在对机器人的关节进行测试前,需要对机器人的工作环境进行测量,要保持机器人的工作环境温度基本恒定,需要设置好机器人末端负载信息,在关节坐标系下建立摩擦阻尼的测试程序(如:设置机器人的末端负载信息为0(即末端不带负载),在关节坐标系下建立摩擦阻尼的测试程序,并将测试程序设定为J1关节从-90°运动到+90°,再返回-90°,重复来回5个循环),还需要对机器人进行热机操作,热机操作具体为在机器人的测试部位运行测试程序,在机器人进行热机时,需要保持热机操作的工作环境与实际测试工作环境保持一致,其中,运行测试程序的时间不少于20分钟,在实际使用中,也可以根据机器人的实际工作环境对热机时间做出相对应的调整。
步骤302,获取机器人关节的测试序列,其中,测试序列包括电机速度和加速度。
具体的说,当机器人完成热机操作后,便可以开始对机器人关节进行测试,获取相对应的测试序列,其中,预设的速度条件为该机器人关节所能够运行的最大速度。
步骤303,根据理想驱动力矩参数、加速度和预设转动参数获取机器人关节的实际传动转矩参数。
具体的说,本步骤与第一实施方式中的步骤102大致相同,此处不一一赘述。
步骤304,根据实际传动转矩参数和电机速度构建摩擦阻尼模型,并根据摩擦阻尼模型获取机器人关节的摩擦阻尼信息。
具体的说,本步骤与第一实施方式中的步骤103大致相同,此处不一一赘述。
本发明实施方式相对于现有技术而言,在实现第一实施方式带来的有益效果基础上,可以在机器人性能最佳的情况下对机器人关节进行测试,使得最终所构建的摩擦阻尼模型更加准确,提高所获取的摩擦阻尼信息的准确性。
本发明的第四实施方式涉及一种信息识别方法,该方法与第一实施方式提供的信息识别方法基本相同,其区别在于,如图6所示,具体包括:
步骤401,获取机器人关节的测试序列,其中,测试序列包括理想驱动力矩参数、电机速度和加速度。
具体的说,本步骤与第一实施方式中的步骤101大致相同,此处不一一赘述。
步骤402,对测试序列进行数据分析,获取机器人关节的有效测试序列。
具体的说,步骤401所获取的测试序列至少包含两组,每一组测试序列至少包含理想驱动力矩参数、机器人关节伺服电机速度和机器人关节伺服电机加速度,需要对每一组测试序列进行数据分析,筛选出有效的测试序列;当机器人处于加速阶段(即)时可以通过以下方法进行数据分析:若一组测试序列中的机器人关节伺服电机速度和机器人关节伺服电机加速度相乘之后的值小于0(即),则说明该测试序列不能用于构建摩擦阻尼模型,该组测试序列为无效数据。若一组测试序列中的机器人关节伺服电机速度和机器人关节伺服电机加速度相乘之后的值大于0(即),则说明该测试序列可以用于构建摩擦阻尼模型,该组测试序列为有效数据;机器人处于减速阶段(即)时可以通过以下方法进行数据分析:若一组测试序列中的机器人关节伺服电机速度和机器人关节伺服电机加速度相乘之后的值小于0(即),则说明该测试序列能用于构建摩擦阻尼模型,该组测试序列为有效数据。若一组测试序列中的机器人关节伺服电机速度和机器人关节伺服电机加速度相乘之后的值大于0(即),则说明该测试序列不能用于构建摩擦阻尼模型,该组测试序列为无效数据。
步骤403,根据理想驱动力矩参数、加速度和预设转动参数获取机器人关节的实际传动转矩参数。
具体的说,本步骤与第一实施方式中的步骤102大致相同,此处不一一赘述。
步骤404,根据实际传动转矩参数和电机速度构建摩擦阻尼模型,并根据摩擦阻尼模型获取机器人关节的摩擦阻尼信息。
具体的说,本步骤与第一实施方式中的步骤103大致相同,此处不一一赘述。
本发明实施方式相对于现有技术而言,在实现第一实施方式带来的有益效果基础上,可以对所获取到的机器人关节的测试序列进行分析,去掉一些无效数据,避免无效数据的存在使得所构建的摩擦阻尼模型存在误差,提高所获取的摩擦阻尼信息的准确性。
本发明的第五实施方式涉及一种信息识别方法,该方法与第一实施方式提供的信息识别方法基本相同,其区别在于,细化了步骤102,如图7所示,具体包括:
步骤501,获取机器人关节的测试序列,其中,测试序列包括理想驱动力矩参数、电机速度和加速度。
具体的说,本步骤与第一实施方式中的步骤101大致相同,此处不一一赘述。
步骤502,根据加速度和预设转动参数获取机器人关节的电机转矩参数。
具体的说,所获取到所测机器人关节的测试序列包括理想驱动力矩参数、机器人关节伺服电机加速度,根据预设的转动参数和机器人关节伺服电机加速度获取所测关节高速端加减速所需要的电机转矩参数,其中,具体的计算公式为:,为预设的转动参数,是指所测机器人关节驱动器的转动惯量,由所测机器人关节的驱动器决定。
步骤503,根据理想驱动力矩参数和电机转矩参数获取实际传动转矩参数。
步骤504,根据实际传动转矩参数和电机速度构建摩擦阻尼模型,并根据摩擦阻尼模型获取机器人关节的摩擦阻尼信息。
具体的说,本步骤与第一实施方式中的步骤103大致相同,此处不一一赘述。
本发明实施方式相对于现有技术而言,在实现第一实施方式带来的有益效果基础上,可以根据机器人的类型来获取相对应的实际传动转矩参数,使得所构建的摩擦阻尼模型更加准确,所获取的摩擦阻尼信息更加准确。
本发明的第六实施方式涉及一种信息识别方法,该方法与第一实施方式提供的信息识别方法基本相同,其区别在于,如图8所示,具体包括:
步骤601,获取机器人关节的测试序列,其中,测试序列包括理想驱动力矩参数、电机速度和加速度。
具体的说,本步骤与第一实施方式中的步骤101大致相同,此处不一一赘述。
步骤602,根据理想驱动力矩参数、加速度和预设转动参数获取机器人关节的实际传动转矩参数。
具体的说,本步骤与第一实施方式中的步骤102大致相同,此处不一一赘述。
步骤603,获取机器人关节的电机电流。
步骤604,根据电机电流和预设转矩参数获取机器人关节的实际输出转矩参数。
步骤605,根据实际输出转矩参数和理想驱动力矩参数获取机器人关节的测量摩擦阻尼。
具体的说,测量摩擦阻尼实际上是通过理论计算所得到的摩擦阻尼信息,与通过摩擦阻尼模型所得到的摩擦阻尼信息可能相同,也可能不相同;摩擦阻尼模型所获取的摩擦阻尼信息是一段经过拟合的曲线,存在一些预测值,该测量摩擦阻尼可以对摩擦阻尼模型所预测出的摩擦阻尼信息进行验证,以便及时对摩擦阻尼模型进行适应性调整。其中,测量摩擦阻尼,其中,为实际输出转矩参数,为理想驱动力矩参数。
步骤606,根据实际传动转矩参数和电机速度构建摩擦阻尼模型,并根据摩擦阻尼模型获取机器人关节的摩擦阻尼信息。
具体的说,本步骤与第一实施方式中的步骤103大致相同,此处不一一赘述。
本发明实施方式相对于现有技术而言,在第一实施方式所带来的有益效果的基础上,还可以获取实际测量摩擦阻尼信息,使用该信息对根据摩擦阻尼模型所获取的摩擦阻尼信息进行验证,以便及时对摩擦阻尼模型进行适应性调整,保障本申请所获取的摩擦阻尼信息的准确性,适用性更强。
此外,应当理解的是,上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明的第七实施方式涉及一种信息识别装置,如图9所示,包括:
第一获取模块701,用于获取机器人关节的至少两组测试参数序列,其中,测试参数序列包括理想驱动力矩参数、电机速度和加速度;
第二获取模块702,用于根据理想驱动力矩参数加速度和预设转动参数获取所述器人关节的实际传动转矩参数;
构建模块703,用于根据实际传动转矩参数和电机速度构建摩擦阻尼模型,并根据摩擦阻尼模型获取机器人关节的摩擦阻尼信息。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本发明第八实施方式涉及一种电子设备,如图10所示,包括:
至少一个处理器801;以及,
与所述至少一个处理器801通信连接的存储器802;其中,
所述存储器802存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器801执行,以使所述至少一个处理器801能够执行本发明以上任一所述的信息识别方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,***接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第九实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (8)
1.一种信息识别方法,其特征在于,应用在机器人关节测试过程中,包括:
获取所述机器人关节的测试序列,其中,所述测试序列包括理想驱动力矩参数、电机速度和加速度;
根据所述理想驱动力矩参数、所述加速度和预设转动参数获取所述机器人关节的实际传动转矩参数;
根据所述实际传动转矩参数和所述电机速度构建摩擦阻尼模型,并根据所述摩擦阻尼模型获取所述机器人关节的摩擦阻尼信息;
其中,所述获取所述机器人关节的测试序列之前还包括:
忽略机器人关节的摩擦阻尼,构建所述机器人的动力学模型,并根据所述动力学模型获取所述机器人关节的所述理想驱动力矩参数;
其中,所述根据所述实际传动转矩参数和所述电机速度构建摩擦阻尼模型具体为:
Tf=a0+a1|T|+a2|V|+a3V2
其中,Tf为所述摩擦阻尼模型,T为所述实际传动转矩参数,V为所述电机速度,a0、a1、a2和a3为待定系数。
2.根据权利要求1所述的信息识别方法,其特征在于,所述获取所述机器人关节的测试参数序列之前还包括对所述机器人进行热机操作。
3.根据权利要求1所述的信息识别方法,其特征在于,所述获取所述机器人关节的测试序列之后还包括:
对所述测试序列进行数据分析,获取所述机器人关节的有效测试序列。
4.根据权利要求1所述的信息识别方法,其特征在于,所述根据所述理想驱动力矩参数、所述加速度和预设转动参数获取所述机器人关节的实际传动转矩参数,包括:
根据所述加速度和所述预设转动参数获取所述机器人关节的电机转矩参数;
根据所述理想驱动力矩参数和所述电机转矩参数获取所述实际传动转矩参数。
5.根据权利要求1所述的信息识别方法,其特征在于,所述根据所述理想驱动力矩参数、所述加速度和预设转动参数获取所述机器人关节的实际传动转矩参数之后还包括:
获取所述机器人关节的电机电流;
根据所述电机电流和预设转矩参数获取所述机器人关节的实际输出转矩参数;
根据所述实际输出转矩参数和所述理想驱动力矩参数获取所述机器人关节的测量摩擦阻尼。
6.一种信息识别装置,其特征在于,包括:
第一获取模块,用于获取所述机器人关节的至少两组测试参数序列,其中,所述测试参数序列包括理想驱动力矩参数、电机速度和加速度;
其中,所述获取所述机器人关节的至少两组测试参数序列之前还包括:
忽略机器人关节的摩擦阻尼,构建所述机器人的动力学模型,并根据所述动力学模型获取所述机器人关节的所述理想驱动力矩参数;
第二获取模块,用于根据所述理想驱动力矩参数、所述加速度和预设转动参数获取所述机器人关节的实际传动转矩参数;
构建模块,用于根据所述实际传动转矩参数和所述电机速度构建摩擦阻尼模型,并根据所述摩擦阻尼模型获取所述机器人关节的摩擦阻尼信息;
其中,所述根据所述实际传动转矩参数和所述电机速度构建摩擦阻尼模型具体为:
Tf=a0+a1|T|+a2|V|+a3V2
其中,Tf为所述摩擦阻尼模型,T为所述实际传动转矩参数,V为所述电机速度,a0、a1、a2和a3为待定系数。
7.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5中任意一项所述的信息识别方法。
8.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任意一项所述的信息识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410594.5A CN112528434B (zh) | 2020-12-04 | 2020-12-04 | 信息识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410594.5A CN112528434B (zh) | 2020-12-04 | 2020-12-04 | 信息识别方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528434A CN112528434A (zh) | 2021-03-19 |
CN112528434B true CN112528434B (zh) | 2023-01-06 |
Family
ID=74997693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011410594.5A Active CN112528434B (zh) | 2020-12-04 | 2020-12-04 | 信息识别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528434B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113510693B (zh) * | 2021-08-03 | 2022-10-25 | 香港中文大学(深圳) | 一种基于摩擦力的机器人控制方法、装置及设备 |
CN114800516B (zh) * | 2022-05-13 | 2024-03-08 | 珞石(北京)科技有限公司 | 一种针对热误差的机器人运动补偿方法 |
CN116021554B (zh) * | 2023-03-16 | 2023-06-27 | 苏州艾利特机器人有限公司 | 一种关节诊断方法及装置、机器人 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108890650A (zh) * | 2018-08-30 | 2018-11-27 | 无锡信捷电气股份有限公司 | 基于动力学参数辨识的ptp加速度优化方法及装置 |
CN109732599A (zh) * | 2018-12-29 | 2019-05-10 | 深圳市越疆科技有限公司 | 一种机器人碰撞检测方法、装置、存储介质及机器人 |
CN110716557A (zh) * | 2019-11-18 | 2020-01-21 | 河北工业大学 | 基于先验动力学知识的机器人参数识别及接触力监测方法 |
CN111788040A (zh) * | 2018-12-28 | 2020-10-16 | 深圳配天智能技术研究院有限公司 | 机器人的动力学参数辨识方法、机器人和存储装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106737657B (zh) * | 2015-11-20 | 2020-03-27 | 沈阳新松机器人自动化股份有限公司 | 一种基于动力学***的机器人安全控制方法及*** |
CN111360875A (zh) * | 2018-12-25 | 2020-07-03 | 沈阳新松机器人自动化股份有限公司 | 协作机器人补偿参数的检测方法、装置及协作机器人 |
CN111177941B (zh) * | 2020-01-03 | 2020-11-20 | 成都卡诺普自动化控制技术有限公司 | 一种机器人摩擦力辨识方法 |
-
2020
- 2020-12-04 CN CN202011410594.5A patent/CN112528434B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108890650A (zh) * | 2018-08-30 | 2018-11-27 | 无锡信捷电气股份有限公司 | 基于动力学参数辨识的ptp加速度优化方法及装置 |
CN111788040A (zh) * | 2018-12-28 | 2020-10-16 | 深圳配天智能技术研究院有限公司 | 机器人的动力学参数辨识方法、机器人和存储装置 |
CN109732599A (zh) * | 2018-12-29 | 2019-05-10 | 深圳市越疆科技有限公司 | 一种机器人碰撞检测方法、装置、存储介质及机器人 |
CN110716557A (zh) * | 2019-11-18 | 2020-01-21 | 河北工业大学 | 基于先验动力学知识的机器人参数识别及接触力监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112528434A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528434B (zh) | 信息识别方法、装置、电子设备和存储介质 | |
CN108568814B (zh) | 机器人以及机器人的控制方法 | |
CN106737662B (zh) | 机器人*** | |
US10331104B2 (en) | Machine tool, simulation apparatus, and machine learning device | |
CN111788040B (zh) | 机器人的动力学参数辨识方法、机器人和存储装置 | |
CN102189550B (zh) | 具有学习控制功能的机器人 | |
CN113119111A (zh) | 机械臂及其轨迹规划方法和装置 | |
US20170090452A1 (en) | Machine tool for generating speed distribution | |
JP2019179518A (ja) | 強化学習プログラム、強化学習方法、および強化学習装置 | |
JP2018151899A (ja) | 制御装置、制御プログラムおよび制御システム | |
CN111702767A (zh) | 一种基于反演模糊自适应的机械手阻抗控制方法 | |
US9844872B1 (en) | Determining sensor parameters and model parameters of a robot | |
CN111037567A (zh) | 六轴机器人末端负载辨识方法及模块 | |
CN115070768A (zh) | 机器人恒定力控及负载自辨识方法、***、介质及计算机 | |
CN107873122B (zh) | 电动机控制*** | |
CN112199833B (zh) | 关节动力学模型优化方法、***、终端设备及存储介质 | |
CN112720492B (zh) | 多轴机器人的复杂轨迹光顺方法、装置、介质及电子设备 | |
CN106950842B (zh) | 解耦控制方法、装置、机器人及存储介质 | |
CN113442854A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN111805537A (zh) | 多机械手协同控制方法、***、设备及存储介质 | |
Srinivas et al. | A novel method to synthesize a single topology for dynamically loaded members | |
CN111356558A (zh) | 用于仿真机器人的制动过程的方法和*** | |
CN106826826B (zh) | 一种机器人控制方法与装置 | |
JP7142803B1 (ja) | ロボット制御システム、ロボット制御装置、動作計画装置、ロボット制御プログラムおよび動作計画プログラム | |
JP2020055095A (ja) | 制御装置及び制御システム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |