CN114896731B - 一种机械传动***的动力学参数辨识方法及相关装置 - Google Patents
一种机械传动***的动力学参数辨识方法及相关装置 Download PDFInfo
- Publication number
- CN114896731B CN114896731B CN202210552661.XA CN202210552661A CN114896731B CN 114896731 B CN114896731 B CN 114896731B CN 202210552661 A CN202210552661 A CN 202210552661A CN 114896731 B CN114896731 B CN 114896731B
- Authority
- CN
- China
- Prior art keywords
- rotating part
- rotation
- identification result
- dynamic model
- mechanical transmission
- 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
- 230000009347 mechanical transmission Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000005484 gravity Effects 0.000 claims abstract description 19
- 230000033001 locomotion Effects 0.000 claims description 84
- 230000001133 acceleration Effects 0.000 claims description 45
- 230000005284 excitation Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 26
- 238000001914 filtration Methods 0.000 claims description 15
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 20
- 238000010586 diagram Methods 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本申请实施例涉及机械传动***技术领域,提供一种机械传动***的动力学参数辨识方法及相关装置,先建立每个转动部位的动力学模型,再控制机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中采集转动部位的运动数据,再对每组运动数据分别进行处理以去除噪声,得到每个采集点对应的目标数据,最后根据每个采集点对应的目标数据对动力学模型进行参数识别,得到每个动力学参数的辨识结果。也就是,在建立动力学模型的过程中,综合考虑惯性量、离心力和科氏力、重力、以及摩擦力对转动部位的影响,使得模型的建立较为全面,并且能够准确辨识出动力学模型中的动力学参数,以达到后期对机械传动***整体的力矩补偿控制精度提高的目的。
Description
技术领域
本申请实施例涉及机械传动***技术领域,具体而言,涉及一种机械传动***的动力学参数辨识方法及相关装置。
背景技术
机械传动***具有负载大、响应快、精度高等优点,通常被用来替代人类从事重复、繁重或者危险的任务,在工业制造的各领域得到了广泛应用。
随着对机械传动***的速度、精度的要求不断提高,对机械传动***的性能控制和精度控制的要求也在不断增加。通常,基于机械传动***所建立的动力学模型可以实现对机械传动***的控制,因此,动力学模型的建立是对机械传动***进行控制的基础,动力学模型中的动力学参数越精确,对机械传动***的控制精度也就越高。
因此,如何准确辨识动力学模型中的动力学参数,是目前亟待解决的技术问题。
发明内容
本申请实施例的目的在于提供一种机械传动***的动力学参数辨识方法及相关装置,用以准确辨识动力学模型中的动力学参数。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供了一种机械传动***的动力学参数辨识方法,所述方法包括:
建立机械传动***的每个转动部位的动力学模型;其中,所述动力学模型用于表征惯性量、离心力和科氏力、重力、以及摩擦力对所述转动部位的影响;
针对每个所述转动部位,控制所述机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集所述转动部位的运动数据,得到多组运动数据;其中,一个采集点对应一组运动数据;
对每组所述运动数据分别进行处理以去除噪声,得到多个目标数据;其中,一个采集点对应一个目标数据;
根据所述多个目标数据,对所述转动部位的所述动力学模型进行参数识别,得到所述动力学模型中每个动力学参数的辨识结果。
可选地,所述动力学模型为:
其中,τ表示所述转动部位的力矩,表示所述转动部位的惯性量,表示所述转动部位的离心力和科氏力,G(q)表示所述转动部位的重力项补偿,表示所述转动部位的摩擦力,q表示所述转动部位的转动角度位置,表示所述转动部位的转动角速度,表示所述转动部位的转动角加速度;
所述动力学模型中的所述摩擦力是按照以下公式进行求解的:
可选地,所述运动数据包括所述转动部位的实际转动角度位置和实际转动力矩;
所述对每组所述运动数据分别进行处理以去除噪声,得到多个目标数据的步骤,包括:
对每组所述运动数据中的所述实际转动角度位置和所述实际转动力矩分别进行平均化处理,得到多个平均转动角度位置和多个平均转动力矩,其中,一个采集点对应一个平均转动角度位置和一个平均转动力矩;
对所述多个平均转动角度位置和所述多个平均转动力矩分别进行滤波处理以去除噪声,得到多个转动角度位置和多个实际力矩,其中,一个采集点对应一个转动角度位置和一个实际力矩;
采用常微分差分法求解每个所述转动角度位置对应的转动角速度和转动角加速度;
获得所述多个目标数据,所述目标数据包括实际力矩、转动角度位置、转动角速度和转动角加速度。
可选地,所述采用常微分差分法求解每个所述转动角度位置对应的转动角速度和转动角加速度的步骤,包括:
利用二阶中心差分法,按照公式
和
求解每个所述转动角度位置对应的所述转动角速度和所述转动角加速度;
可选地,一个所述目标数据包括一个采集点对应的实际力矩、转动角度位置、转动角速度和转动角加速度;
所述根据所述多个目标数据,对所述动力学模型进行参数识别,得到所述动力学模型中每个动力学参数的辨识结果的步骤,包括:
将每个所述采集点对应的所述实际力矩、所述转动角度位置、所述转动角速度和所述转动角加速度分别代入所述动力学模型,计算出所述动力学模型中每个动力学参数的辨识结果。
可选地,所述方法还包括:
对所述动力学模型中每个动力学参数的辨识结果进行验证,以确定所述辨识结果是否为最佳辨识结果;
若所述辨识结果为最佳辨识结果,则将所述最佳辨识结果代入所述动力学模型,得到所述转动部位的理想动力学模型;
若所述辨识结果不为最佳辨识结果,则返回执行所述针对每个所述转动部位,控制所述机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集所述转动部位的运动数据,得到多组运动数据的步骤,直至所述辨识结果为最佳辨识结果,得到所述转动部位的理想动力学模型。
可选地,一个所述目标数据包括一个采集点对应的实际力矩、转动角度位置、转动角速度和转动角加速度;
所述对所述动力学模型中每个动力学参数的辨识结果进行验证,以确定所述辨识结果是否为最佳辨识结果的步骤,包括:
基于所述动力学模型中每个动力学参数的辨识结果,将所述动力学模型更新为目标动力学模型;
将每个所述采集点对应的所述转动角度位置、所述转动角速度和所述转动角加速度分别代入所述目标动力学模型,得到每个所述采集点对应的理论力矩;
根据每个所述采集点对应的所述理论力矩生成理论力矩曲线,并根据每个所述采集点对应的所述实际力矩生成实际力矩曲线;
将所述理论力矩曲线和所述实际力矩曲线进行比对,以确定所述辨识结果是否为最佳辨识结果;
若所述理论力矩曲线和所述实际力矩曲线的重合度满足设定条件,则确定所述辨识结果为最佳辨识结果;
若所述理论力矩曲线和所述实际力矩曲线的重合度不满足设定条件,则确定所述辨识结果不为最佳辨识结果。
第二方面,本申请实施例还提供了一种机械传动***的动力学参数辨识装置,所述装置包括:
模型建立模块,用于建立机械传动***的每个转动部位的动力学模型;其中,所述动力学模型用于表征惯性量、离心力和科氏力、重力、以及摩擦力对所述转动部位的影响;
控制模块,用于针对每个所述转动部位,控制所述机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集所述转动部位的运动数据,得到多组运动数据;其中,一个采集点对应一组运动数据;
处理模块,用于对每组所述运动数据分别进行处理以去除噪声,得到多个目标数据;其中,一个采集点对应一个目标数据;
参数辨识模块,用于根据所述多个目标数据,对所述转动部位的所述动力学模型进行参数识别,得到所述动力学模型中每个动力学参数的辨识结果。
第三方面,本申请实施例还提供了一种电子设备,包括处理器和存储器,所述存储器用于存储程序,所述处理器用于在执行所述程序时,实现上述第一方面中的机械传动***的动力学参数辨识方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面中的机械传动***的动力学参数辨识方法。
相对现有技术,本申请实施例提供的一种机械传动***的动力学参数辨识方法及相关装置,首先,建立机械传动***的每个转动部位的动力学模型;然后,针对每个转动部位,控制机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集转动部位的运动数据,一个采集点对应一组运动数据;再对每组运动数据分别进行处理以去除噪声,得到每个采集点对应的目标数据;最后,根据每个采集点对应的目标数据对动力学模型进行参数识别,得到每个动力学参数的辨识结果。也就是,在建立动力学模型的过程中,综合考虑惯性量、离心力和科氏力、重力、以及摩擦力对转动部位的影响,使得动力学模型的建立较为全面,并且能够准确辨识出动力学模型中的动力学参数,以达到后期对机械传动***整体的力矩补偿控制精度提高的目的。
附图说明
图1示出了本申请实施例提供的一种机械传动***的动力学参数辨识方法的应用场景示意图。
图2示出了本申请实施例提供的一种机械传动***的动力学参数辨识方法的流程示意图一。
图3示出了本申请实施例提供的转动部位的示例图。
图4示出了本申请实施例提供的转动部位按照激励轨迹运动的示例图。
图5示出了本申请实施例提供的一种机械传动***的动力学参数辨识方法的流程示意图二。
图6示出了本申请实施例提供的一种机械传动***的动力学参数辨识方法的流程示意图三。
图7示出了本申请实施例提供的一种机械传动***的动力学参数辨识方法的流程示意图四。
图8示出了本申请实施例提供的一种机械传动***的动力学参数辨识装置的方框示意图。
图9示出了本申请实施例提供的一种电子设备的方框示意图。
图标:100-机械传动***的动力学参数辨识装置;101-模型建立模块;102-控制模块;103-处理模块;104-参数辨识模块;105-参数验证模块;10-电子设备;11-处理器;12-存储器;13-总线。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述。
请参照图1,图1示出了本申请实施例提供的机械传动***的动力学参数辨识方法的应用场景示意图。如图1所示,包括机械传动***和电子设备,机械传动***和电子设备通过信号线进行连接,以实现二者之间的通信和数据传输。
机械传动***包括多个转动部位,本申请实施例就是要为每个转动部位都建立对应的动力学模型,并准确辨识每个动力学模型中的动力学参数。同时,每个转动部位都安装有电机,电机用于驱动转动部位进行运动。
在本实施例中,机械传动***可以是,但不限于机器人、汽车等。相应地,机械传动***的转动部位,可以是机器人的关节部位,也可以是汽车的车轮等。本申请实施例对此不做任何限制。
另外,机械传动***的每个转动部位可以均安装有数据采集模块。以一个转动部位为例,在该转动部位运动过程中,数据采集模块用于采集转动部位的转动角度位置和力矩,并将该转动角度位置和力矩通过信号线传输至电子设备。
电子设备用于接收数据采集模块发送的数据,并对数据进行处理以准确辨识动力学模型中的动力学参数。同时,电子设备还用于控制机械传动***的各个转动部位进行运动。电子设备可以是,但不限于上位机、个人计算机、工控机等,下述实施例以上位机为例进行说明。
请参照图2,图2示出了本申请实施例提供的机械传动***的动力学参数辨识方法的一种流程示意图。该机械传动***的动力学参数辨识方法应用于电子设备,可以包括以下步骤:
S101,建立机械传动***的每个转动部位的动力学模型;其中,动力学模型用于表征惯性量、离心力和科氏力、重力、以及摩擦力对转动部位的影响。
在本实施例中,机械传动***包括多个转动部位,以一个转动部位为例,动力学模型中动力学参数的辨识过程可以包括:动力学模型的建立、模型的线性化及最小参数集的获取、激励轨迹的设计及优化、采集数据及处理、参数辨识、参数验证。
现有技术中,建立的动力学模型通常为包含惯性量、离心力和科氏力、重力因素的模型,其可以表示为:
从上述方程可知,现有的动力学模型能够表示机械传动***关键部位(即,转动部位)的基本受力情况,例如,机器人的各个关节部位的基本受力情况。
但是,现有的动力学模型未考虑机械传动***中转动部位摩擦力的影响,而摩擦力在机械传动***低速运转时对力矩影响较大,若不考虑摩擦力的影响,则对机械传动***的控制精度会有一定的影响。因此,现有的动力学模型不能够精确的对机械传动***进行控制。
为了解决这一技术问题,本申请实施例在建立动力学模型时,除了考虑惯性量、离心力和科氏力、重力对转动部位的影响,还考虑了摩擦力对转动部位的影响。
也就是,在建立动力学模型时,引入转动部位的摩擦力,最终建立的动力学模型为:
其中,τ表示转动部位的力矩,表示转动部位的惯性量,表示转动部位的离心力和科氏力,G(q)表示转动部位的重力项补偿,表示转动部位的摩擦力,q表示转动部位的转动角度位置,表示转动部位的转动角速度,表示转动部位的转动角加速度。
一般来说,在建立摩擦力模型时,所包含的因素越多,摩擦力的计算结果就越精确。摩擦力的计算结果越精确,控制过程中的补偿力矩就越精确,控制精度也就越高。但是,如果模型的复杂度过高,则所占用的计算资源也就越多,计算时间也就越长,对于需要实时高精度控制的传动***会产生延迟现象,反而造成控制的不准确,即,过于复杂的模型实用性不高。
为了平衡精确度和实用性之间的关系,同时充分考虑摩擦力在低速区的特性,本申请实施例中,设计动力学模型中的摩擦力如下:
在本实施例中,针对每个转动部位,建立带有摩擦力模型的动力学模型之后,可以对动力学模型进行线性化处理,从而获得动力学模型的最小参数集。可选地,可以采用Python语言简化动力学模型的动力学参数的数量,得到最小参数集。
S102,针对每个转动部位,控制机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集转动部位的运动数据,得到多组运动数据;其中,一个采集点对应一组运动数据。
在本实施例中,针对每个转动部位,还需要设计每个转动部位的激励轨迹。例如,请参照图3,分别为转动部位1和转动部位2设计激励轨迹,转动部位1和转动部位2的激励轨迹如图中虚线所示。之后,控制机械传动***跟踪设计的激励轨迹,然后采集机械传动***各个转动部位的驱动力矩和驱动电机的位置,即,各个转动部位的力矩和转动角度位置。
为了减小激励轨迹的影响,将激励轨迹设计为周期性的,并根据设定的优化原则对激励轨迹进行优化。以一个转动部位为例,该转动部位的激励轨迹的优化原则可以包括,但不限于该转动部位能运动的最大角度、以及该转动部位的最大电机轴转速等,本申请实施例对此不做任何限制。
同时,为了使转动部位按照激励轨迹进行运动的过程能够更加平滑,除了将激励轨迹设计为周期性的之外,还将激励轨迹设计为傅里叶级数形式的。即,激励轨迹可以是具有周期性的傅里叶级数轨迹。
在本实施例中,为每个转动部位设计对应的激励轨迹之后,控制机械传动***的各个转动部位按照各自的激励轨迹进行周期性运动。例如,以图3中的转动部位2为例,请参照图4,转动部位2按照对应的激励轨迹(即,A—B—A—C—A)进行周期性运动。
并且,在每次运动中,按照预设时间间隔(例如,2s)采集转动部位的运动数据,得到多组运动数据,一个采集点对应一组运动数据。例如,结合到图4,转动部位2按照A—B—A—C—A运动的过程中,每隔2s采集一次转动部位2的运动数据,得到每个采集点的运动数据。同时,由于转动部位2要按照A—B—A—C—A进行周期性运动,所以每个采集点的运动数据都是一组,例如,周期性运动100次,则一个采集点的运动数据有100个。
在本实施例中,运动数据包括转动部位的实际转动角度位置和实际转动力矩,其中,实际转动角度位置是相对于转动部位的基准位置确定的,例如,图4中转动部位2的基准位置为A,则每个采集点的实际转动角度位置都是相对于基准位置A确定的。
S103,对每组运动数据分别进行处理以去除噪声,得到多个目标数据;其中,一个采集点对应一个目标数据。
在本实施例中,以一个转动部位为例,得到该转动部位的每个采样点的一组运动数据之后,对每组运动数据进行处理以去除噪声,得到每个采样点的一个目标数据。
为了消除采集的运动数据中噪声的影响,以一组运动数据为例,首先需要对这一组运动数据进行平均化处理,再对平均化后的运动数据进行滤波处理。同时,在滤波的过程中,采用经过改进的滤波方法进行滤波处理,能够在去除噪声的前提下,更好的保留数据的特性。
在图2的基础上,请参照图5,步骤S103对每组运动数据分别进行处理以去除噪声,得到多个目标数据的过程,可以包括S1031~S1034。
S1031,对每组运动数据中的实际转动角度位置和实际转动力矩分别进行平均化处理,得到多个平均转动角度位置和多个平均转动力矩,其中,一个采集点对应一个平均转动角度位置和一个平均转动力矩。
在本实施例中,以一个转动部位为例,对于每组运动数据中的实际转动角度位置和实际转动力矩,可以通过加权平均的方式分别进行平均化处理,以滤除噪声,得到每个采集点的一个平均转动角度位置和一个平均转动力矩。
S1032,对多个平均转动角度位置和多个平均转动力矩分别进行滤波处理以去除噪声,得到多个转动角度位置和多个实际力矩,其中,一个采集点对应一个转动角度位置和一个实际力矩。
在本实施例中,以一个转动部位为例,得到每个采集点的一个平均转动角度位置和一个平均转动力矩,可以对多个平均转动角度位置和多个平均转动力矩分别进行滤波处理以去除噪声。在数据的滤波处理中,首先,可以根据机械传动***的通带(即,机械传动***内部电机工作的带宽)进行巴特沃斯求取加权系数;然后,对多个平均转动角度位置和多个平均转动力矩分别进行多次循环加权处理。巴特沃斯可以有效去除噪声并维持有效信号,因此,能够以较低的阶次对数据进行噪声去除,同时,多次的循环处理使得数据的保真性效果提高。
S1033,采用常微分差分法求解每个转动角度位置对应的转动角速度和转动角加速度。
在本实施例中,以一个转动部位为例,对每个采集点的一组运动数据进行平均化处理及滤波处理,得到每个采集点对应一个转动角度位置和一个实际力矩之后,可以采用差分法求取转动部位每个转动角度位置(即,每个位置)处的速度和加速度,得到每个转动角度位置对应的转动角速度和转动角加速度。
可选地,可以采用二阶中心差分法求解每个转动角度位置对应的转动角速度和转动角加速度,在采用二阶中心差分法求解的过程中,需要使用到连续的三个数据,求解过程如下:
利用二阶中心差分法,按照公式
和
求解每个转动角度位置对应的转动角速度和转动角加速度;
需要指出的是,在采用常微分差分法求解每个转动角度位置对应的转动角速度和转动角加速度时,除了采用二阶中心差分法之外,还可以采用四阶中心差分法,计算过程与采用二阶中心差分法类似,在此不再赘述。
S1034,获得多个目标数据,目标数据包括实际力矩、转动角度位置、转动角速度和转动角加速度。
在本实施例中,以一个转动部位为例,通过上述S1031~S1033的过程,就能得到该转动部位的每个采样点对应的一个目标数据,目标数据可以包括实际力矩、转动角度位置、转动角速度和转动角加速度。
S104,根据多个目标数据,对转动部位的动力学模型进行参数识别,得到动力学模型中每个动力学参数的辨识结果。
在本实施例中,以一个转动部位为例,得到该转动部位的每个采样点对应的一个目标数据之后,将每个采样点对应的一个目标数据均代入该转动部位的动力学模型中,就能计算出动力学模型中每个动力学参数的辨识结果。
可选地,由于一个目标数据包括一个采集点对应的实际力矩、转动角度位置、转动角速度和转动角加速度,因此,请再次参照图5,步骤S104中根据多个目标数据,对转动部位的动力学模型进行参数识别,得到动力学模型中每个动力学参数的辨识结果的过程,可以包括S1041。
S1041,将每个采集点对应的实际力矩、转动角度位置、转动角速度和转动角加速度分别代入动力学模型,计算出动力学模型中每个动力学参数的辨识结果。
也就是,将每个采集点对应的实际力矩、转动角度位置、转动角速度和转动角加速度分别代入步骤S101中为该关节设备建立的动力学模型中,就能得到该动力学模型中每个动力学参数的辨识结果,例如,得到动力学参数pi+1的值。
在本实施例中,以一个转动部位为例,得到该转动部位的动力学模型中每个动力学参数的辨识结果之后,还需要对动力学模型中每个动力学参数的辨识结果进行验证。因此,在图2的基础上,请参照图6,在步骤S104之后,本申请实施例提供的机械传动***的动力学参数辨识方法还包括步骤S105~S106。
S105,对动力学模型中每个动力学参数的辨识结果进行验证,以确定辨识结果是否为最佳辨识结果。
在本实施例中,若辨识结果为最佳辨识结果,则执行步骤S106;若辨识结果不为最佳辨识结果,则返回执行步骤S102,直至辨识结果为最佳辨识结果。对此可以理解为:返回执行步骤S102后,会继续执行步骤S103~S104,直至辨识结果为最佳辨识结果。
S106,得到转动部位的理想动力学模型。
在本实施例中,以一个转动部位为例,该转动部位的理想动力学模型,即为对该转动部位进行控制,并且控制精度高的模型。
下面对步骤S105进行详细介绍。
在图6的基础上,请参照图7,步骤S105对动力学模型中每个动力学参数的辨识结果进行验证,以确定辨识结果是否为最佳辨识结果的过程,可以包括S1051~S1056。
S1051,基于动力学模型中每个动力学参数的辨识结果,将动力学模型更新为目标动力学模型。
在本实施例中,以一个转动部位为例,按照步骤S101~S104的过程,得到该转动部位的动力学模型中每个动力学参数的辨识结果(例如,pi+1的值)之后,将每个动力学参数的辨识结果(例如,pi+1的值)重新代入该转动部位的动力学模型,即可得到该转动部位的目标动力学模型。
S1052,将每个采集点对应的转动角度位置、转动角速度和转动角加速度分别代入目标动力学模型,得到每个采集点对应的理论力矩。
在本实施例中,以一个转动部位为例,目标动力学模型中的每个动力学参数都是已知的,因此,将步骤S102中采集的每个采集点对应的转动角度位置、转动角速度和转动角加速度分别代入目标动力学模型,就能计算出每个采集点对应的理论力矩。
S1053,根据每个采集点对应的理论力矩生成理论力矩曲线,并根据每个采集点对应的实际力矩生成实际力矩曲线。
S1054,将理论力矩曲线和实际力矩曲线进行比对,以确定辨识结果是否为最佳辨识结果。
S1055,若理论力矩曲线和实际力矩曲线的重合度满足设定条件,则确定辨识结果为最佳辨识结果。
S1056,若理论力矩曲线和实际力矩曲线的重合度不满足设定条件,则确定辨识结果不为最佳辨识结果。
在本实施例中,理论力矩曲线和实际力矩曲线的重合度是否满足设定条件,可以通过计算两条曲线的重合度,并判断重合度是否达到预先设定的重合度阈值(例如,90%);也可以由用户根据经验进行判断;本申请实施例对此不做任何限制。
与现有技术相比,本申请实施例具有以下有益效果:
首先,在建立转动部位的动力学模型时,在传统的动力学模型的基础上增加摩擦力模型,使得动力学模型的建立较为全面,提高了机械传动***的控制精度。
其次,得到每个转动部位一组运动数据之后,先对这一组运动数据进行平均化处理,再对平均化后的运动数据进行滤波处理,从而能够消除采集的运动数据中噪声的影响;同时,在滤波的过程中,采用经过改进的滤波方法进行滤波处理,能够在去除噪声的前提下,更好的保留数据的特性。
第三,在数据的滤波处理中,先根据机械传动***的通带进行巴特沃斯求取加权系数,再对多个平均转动角度位置和多个平均转动力矩分别进行多次循环加权处理,这样能够以较低的阶次对数据进行噪声去除,同时,多次的循环处理使得数据的保真性效果提高。
请参照图8,图8示出了本申请实施例提供的机械传动***的动力学参数辨识装置100的方框示意图。机械传动***的动力学参数辨识装置100应用于电子设备,包括:模型建立模块101、控制模块102、处理模块103和参数辨识模块104。
模型建立模块101,用于建立机械传动***的每个转动部位的动力学模型;其中,动力学模型用于表征惯性量、离心力和科氏力、重力、以及摩擦力对转动部位的影响。
控制模块102,用于针对每个转动部位,控制机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集转动部位的运动数据,得到多组运动数据;其中,一个采集点对应一组运动数据。
处理模块103,用于对每组运动数据分别进行处理以去除噪声,得到多个目标数据;其中,一个采集点对应一个目标数据。
参数辨识模块104,用于根据多个目标数据,对转动部位的动力学模型进行参数识别,得到动力学模型中每个动力学参数的辨识结果。
可选地,动力学模型为:
其中,τ表示转动部位的力矩,表示转动部位的惯性量,表示转动部位的离心力和科氏力,G(q)表示转动部位的重力项补偿,表示转动部位的摩擦力,q表示转动部位的转动角度位置,表示转动部位的转动角速度,表示转动部位的转动角加速度;
动力学模型中的摩擦力是按照以下公式进行求解的:
可选地,运动数据包括转动部位的实际转动角度位置和实际转动力矩;处理模块103具体用于:
对每组运动数据中的实际转动角度位置和实际转动力矩分别进行平均化处理,得到多个平均转动角度位置和多个平均转动力矩,其中,一个采集点对应一个平均转动角度位置和一个平均转动力矩;
对多个平均转动角度位置和多个平均转动力矩分别进行滤波处理以去除噪声,得到多个转动角度位置和多个实际力矩,其中,一个采集点对应一个转动角度位置和一个实际力矩;
采用常微分差分法求解每个转动角度位置对应的转动角速度和转动角加速度;
获得多个目标数据,目标数据包括实际力矩、转动角度位置、转动角速度和转动角加速度。
可选地,处理模块103执行采用常微分差分法求解每个转动角度位置对应的转动角速度和转动角加速度的方式,可以包括:
利用二阶中心差分法,按照公式
和
可选地,一个目标数据包括一个采集点对应的实际力矩、转动角度位置、转动角速度和转动角加速度;参数辨识模块104具体用于:
将每个采集点对应的实际力矩、转动角度位置、转动角速度和转动角加速度分别代入动力学模型,计算出动力学模型中每个动力学参数的辨识结果。
可选地,机械传动***的动力学参数辨识装置100还可以包括参数验证模块105,参数验证模块105用于:
对动力学模型中每个动力学参数的辨识结果进行验证,以确定辨识结果是否为最佳辨识结果;
若辨识结果为最佳辨识结果,则将最佳辨识结果代入动力学模型,得到转动部位的理想动力学模型;
若辨识结果不为最佳辨识结果,则返回执行针对每个转动部位,控制机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集转动部位的运动数据,得到多组运动数据的步骤,直至辨识结果为最佳辨识结果,得到转动部位的理想动力学模型。
可选地,参数验证模块105执行对动力学模型中每个动力学参数的辨识结果进行验证,以确定辨识结果是否为最佳辨识结果的方式,可以包括:
基于动力学模型中每个动力学参数的辨识结果,将动力学模型更新为目标动力学模型;
将每个采集点对应的转动角度位置、转动角速度和转动角加速度分别代入目标动力学模型,得到每个采集点对应的理论力矩;
根据每个采集点对应的理论力矩生成理论力矩曲线,并根据每个采集点对应的实际力矩生成实际力矩曲线;
将理论力矩曲线和实际力矩曲线进行比对,以确定辨识结果是否为最佳辨识结果;
若理论力矩曲线和实际力矩曲线的重合度满足设定条件,则确定辨识结果为最佳辨识结果;
若理论力矩曲线和实际力矩曲线的重合度不满足设定条件,则确定辨识结果不为最佳辨识结果。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的机械传动***的动力学参数辨识装置100的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
请参照图9,图9示出了本申请实施例提供的电子设备10的方框示意图。电子设备10可以是上位机、个人计算机、工控机等。电子设备10包括处理器11、存储器12及总线13,处理器11通过总线13与存储器12连接。
存储器12用于存储程序,处理器11在接收到执行指令后,执行所述程序以实现上述实施例揭示的机械传动***的动力学参数辨识方法。
存储器12可能包括高速随机存取存储器(Random Access Memory,RAM),也可能还包括非易失存储器(non-volatile memory,NVM)。
处理器11可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器11中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器11可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、微控制单元(Microcontroller Unit,MCU)、复杂可编程逻辑器件(Complex Programmable LogicDevice,CPLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、嵌入式ARM等芯片。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器11执行时实现上述实施例揭示的机械传动***的动力学参数辨识方法。
综上所述,本申请实施例提供的一种机械传动***的动力学参数辨识方法及相关装置,首先,建立机械传动***的每个转动部位的动力学模型;然后,针对每个转动部位,控制机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集转动部位的运动数据,一个采集点对应一组运动数据;再对每组运动数据分别进行处理以去除噪声,得到每个采集点对应的目标数据;最后,根据每个采集点对应的目标数据对动力学模型进行参数识别,得到每个动力学参数的辨识结果。也就是,在建立动力学模型的过程中,综合考虑惯性量、离心力和科氏力、重力、以及摩擦力对转动部位的影响,使得动力学模型的建立较为全面,并且能够准确辨识出动力学模型中的动力学参数,以达到后期对机械传动***整体的力矩补偿控制精度提高的目的。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种机械传动***的动力学参数辨识方法,其特征在于,所述方法包括:
建立机械传动***的每个转动部位的动力学模型;其中,所述动力学模型用于表征惯性量、离心力和科氏力、重力、以及摩擦力对所述转动部位的影响;
针对每个所述转动部位,控制所述机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集所述转动部位的运动数据,得到多组运动数据;其中,一个采集点对应一组运动数据;
对每组所述运动数据分别进行处理以去除噪声,得到多个目标数据;其中,一个采集点对应一个目标数据;
根据所述多个目标数据,对所述转动部位的所述动力学模型进行参数识别,得到所述动力学模型中每个动力学参数的辨识结果;
对所述动力学模型中每个动力学参数的辨识结果进行验证,以确定所述辨识结果是否为最佳辨识结果;
若所述辨识结果为最佳辨识结果,则将所述最佳辨识结果代入所述动力学模型,得到所述转动部位的理想动力学模型;
若所述辨识结果不为最佳辨识结果,则返回执行所述针对每个所述转动部位,控制所述机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集所述转动部位的运动数据,得到多组运动数据的步骤,直至所述辨识结果为最佳辨识结果,得到所述转动部位的理想动力学模型。
3.如权利要求1所述的方法,其特征在于,所述运动数据包括所述转动部位的实际转动角度位置和实际转动力矩;
所述对每组所述运动数据分别进行处理以去除噪声,得到多个目标数据的步骤,包括:
对每组所述运动数据中的所述实际转动角度位置和所述实际转动力矩分别进行平均化处理,得到多个平均转动角度位置和多个平均转动力矩,其中,一个采集点对应一个平均转动角度位置和一个平均转动力矩;
对所述多个平均转动角度位置和所述多个平均转动力矩分别进行滤波处理以去除噪声,得到多个转动角度位置和多个实际力矩,其中,一个采集点对应一个转动角度位置和一个实际力矩;
采用常微分差分法求解每个所述转动角度位置对应的转动角速度和转动角加速度;
获得所述多个目标数据,所述目标数据包括实际力矩、转动角度位置、转动角速度和转动角加速度。
5.如权利要求1所述的方法,其特征在于,一个所述目标数据包括一个采集点对应的实际力矩、转动角度位置、转动角速度和转动角加速度;
所述根据所述多个目标数据,对所述动力学模型进行参数识别,得到所述动力学模型中每个动力学参数的辨识结果的步骤,包括:
将每个所述采集点对应的所述实际力矩、所述转动角度位置、所述转动角速度和所述转动角加速度分别代入所述动力学模型,计算出所述动力学模型中每个动力学参数的辨识结果。
6.如权利要求1所述的方法,其特征在于,一个所述目标数据包括一个采集点对应的实际力矩、转动角度位置、转动角速度和转动角加速度;
所述对所述动力学模型中每个动力学参数的辨识结果进行验证,以确定所述辨识结果是否为最佳辨识结果的步骤,包括:
基于所述动力学模型中每个动力学参数的辨识结果,将所述动力学模型更新为目标动力学模型;
将每个所述采集点对应的所述转动角度位置、所述转动角速度和所述转动角加速度分别代入所述目标动力学模型,得到每个所述采集点对应的理论力矩;
根据每个所述采集点对应的所述理论力矩生成理论力矩曲线,并根据每个所述采集点对应的所述实际力矩生成实际力矩曲线;
将所述理论力矩曲线和所述实际力矩曲线进行比对,以确定所述辨识结果是否为最佳辨识结果;
若所述理论力矩曲线和所述实际力矩曲线的重合度满足设定条件,则确定所述辨识结果为最佳辨识结果;
若所述理论力矩曲线和所述实际力矩曲线的重合度不满足设定条件,则确定所述辨识结果不为最佳辨识结果。
7.一种机械传动***的动力学参数辨识装置,其特征在于,所述装置包括:
模型建立模块,用于建立机械传动***的每个转动部位的动力学模型;其中,所述动力学模型用于表征惯性量、离心力和科氏力、重力、以及摩擦力对所述转动部位的影响;
控制模块,用于针对每个所述转动部位,控制所述机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集所述转动部位的运动数据,得到多组运动数据;其中,一个采集点对应一组运动数据;
处理模块,用于对每组所述运动数据分别进行处理以去除噪声,得到多个目标数据;其中,一个采集点对应一个目标数据;
参数辨识模块,用于根据所述多个目标数据,对所述转动部位的所述动力学模型进行参数识别,得到所述动力学模型中每个动力学参数的辨识结果;
参数验证模块,用于:
对所述动力学模型中每个动力学参数的辨识结果进行验证,以确定所述辨识结果是否为最佳辨识结果;
若所述辨识结果为最佳辨识结果,则将所述最佳辨识结果代入所述动力学模型,得到所述转动部位的理想动力学模型;
若所述辨识结果不为最佳辨识结果,则返回执行所述针对每个所述转动部位,控制所述机械传动***按照预先设计的激励轨迹重复运动,并在每次运动中按照预设时间间隔采集所述转动部位的运动数据,得到多组运动数据的步骤,直至所述辨识结果为最佳辨识结果,得到所述转动部位的理想动力学模型。
8.一种电子设备,其特征在于,包括处理器和存储器,所述存储器用于存储程序,所述处理器用于在执行所述程序时,实现权利要求1-6中任一项所述的机械传动***的动力学参数辨识方法。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的机械传动***的动力学参数辨识方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210552661.XA CN114896731B (zh) | 2022-05-19 | 2022-05-19 | 一种机械传动***的动力学参数辨识方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210552661.XA CN114896731B (zh) | 2022-05-19 | 2022-05-19 | 一种机械传动***的动力学参数辨识方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114896731A CN114896731A (zh) | 2022-08-12 |
CN114896731B true CN114896731B (zh) | 2023-04-14 |
Family
ID=82724295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210552661.XA Active CN114896731B (zh) | 2022-05-19 | 2022-05-19 | 一种机械传动***的动力学参数辨识方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114896731B (zh) |
Citations (4)
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 |
CN107671861A (zh) * | 2017-11-13 | 2018-02-09 | 无锡信捷电气股份有限公司 | 一种改进的scara机器人动力学参数辨识方法 |
CN108297093A (zh) * | 2017-12-29 | 2018-07-20 | 中国海洋大学 | 一种机械臂动力学参数的分步辨识方法 |
CN114169230A (zh) * | 2021-11-24 | 2022-03-11 | 华南理工大学 | 一种机器人动力学参数的辨识方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
WO2020133270A1 (zh) * | 2018-12-28 | 2020-07-02 | 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 |
CN110531707B (zh) * | 2019-09-16 | 2022-03-18 | 无锡信捷电气股份有限公司 | Scara机器人的摩擦模型改进以及动力学参数辨识方法 |
-
2022
- 2022-05-19 CN CN202210552661.XA patent/CN114896731B/zh active Active
Patent Citations (4)
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 |
CN107671861A (zh) * | 2017-11-13 | 2018-02-09 | 无锡信捷电气股份有限公司 | 一种改进的scara机器人动力学参数辨识方法 |
CN108297093A (zh) * | 2017-12-29 | 2018-07-20 | 中国海洋大学 | 一种机械臂动力学参数的分步辨识方法 |
CN114169230A (zh) * | 2021-11-24 | 2022-03-11 | 华南理工大学 | 一种机器人动力学参数的辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114896731A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107813345B (zh) | 机器人碰撞检测方法及装置 | |
CN111788040B (zh) | 机器人的动力学参数辨识方法、机器人和存储装置 | |
KR101724872B1 (ko) | 빠르고 강건한 궤적 설계를 통한 산업용 로봇의 파라미터 추정 방법 | |
CN107289951B (zh) | 一种基于惯性导航的室内移动机器人定位方法 | |
CN112809667B (zh) | 工业机器人的力控制方法、装置及其应用 | |
CN109586645B (zh) | 一种永磁同步电机惯量识别方法及设备 | |
CN110941183A (zh) | 一种基于神经网络的工业机器人动力学辨识方法 | |
CN112677156B (zh) | 一种机器人关节摩擦力补偿方法 | |
CN113051673A (zh) | 一种机器人改进Stribeck摩擦模型辨识方法 | |
KR20220109930A (ko) | 강인 외력 관측기를 이용한 다관절 로봇의 센서리스 접촉력 추정 방법 | |
CN114896731B (zh) | 一种机械传动***的动力学参数辨识方法及相关装置 | |
CN110702093A (zh) | 基于粒子滤波的定位方法、装置、存储介质及机器人 | |
CN107423515B (zh) | 机械臂摩擦辨识方法、装置、设备及存储介质 | |
CN111185908B (zh) | 识别摩擦力的机器人控制方法、装置、机器人及存储介质 | |
CN109212260B (zh) | 一种运动频率计算方法和装置 | |
WO2020097770A1 (zh) | 伺服***机械参数辨识方法、伺服控制***和存储装置 | |
CN114516050B (zh) | 基于位形雅可比条件数优化的机器人外力估计方法及*** | |
CN113335294B (zh) | 路面纵向坡度的估计方法、装置、电子设备和存储介质 | |
CN111872933A (zh) | 一种基于改进二次型迭代学习控制的scara机器人轨迹跟踪控制方法 | |
CN110567483B (zh) | 一种mems传感器的数据处理方法 | |
CN112698345A (zh) | 一种激光雷达的机器人同时定位与建图优化方法 | |
CN115166635B (zh) | 基于风险敏感fir滤波的机器人定位方法 | |
CN117532623B (zh) | 一种机械臂外力矩估计方法 | |
CN114800536B (zh) | 多连杆机器人的动力学参数辨识方法和装置 | |
KR102607486B1 (ko) | 로봇팔의 진동 노이즈 제거 방법 및 장치 |
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 |