CN102540894B - 一种基于遗传算法的带有未知负载的机械手参数辨识方法 - Google Patents
一种基于遗传算法的带有未知负载的机械手参数辨识方法 Download PDFInfo
- Publication number
- CN102540894B CN102540894B CN201210035865.2A CN201210035865A CN102540894B CN 102540894 B CN102540894 B CN 102540894B CN 201210035865 A CN201210035865 A CN 201210035865A CN 102540894 B CN102540894 B CN 102540894B
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- centerdot
- unknown
- genetic algorithm
- 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.)
- Expired - Fee Related
Links
Images
Abstract
一种基于遗传算法的带有未知负载的机械手参数辨识方法,它有四大步骤:步骤一:根据带有未知负载的双关节机械手臂的动力学特性,得到其动力学方程;步骤二:根据带有未知负载的双关节机械手臂动力学方程,将其中未知物理参数的函数进行变量分离,得到未知物理参数的函数被分离后的表达式;步骤三:根据未知物理参数的函数被分离后的表达式,设计遗传算法,对带有未知负载的双关节机械手臂参数进行辨识;步骤四:将通过MATLAB仿真得到的辨识值与测量值进行比较,实现对双关节机械手臂在带有未知负载时的物理参数的辨识。本发明解决了双关节机械手在带有未知负载的运动过程中物理参数的辨识问题,在机器人控制技术领域里具有实用价值。
Description
(一)技术领域
本发明涉及一种基于遗传算法的带有未知负载的机械手参数辨识方法,特别是指一种基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识的方法,它是针对带有未知负载的双关节机械手臂的动力学模型,设计一种通过遗传算法来辨识机械手臂物理参数,属于机器人控制技术领域。
(二)背景技术
目前,在机器人控制领域,参数辨识问题越来越受到重视。通过何种辨识方法实现对机械手臂物理参数的精确辨识是机器人控制领域研究的热点。
机械手臂是仿人机器人中研究和应用最广泛的一类机器人。机械手臂作为一个多杆联接的复杂的动力学系统,具有多输入、多输出、强耦合和非线性等特点。动力学建模是机器人动态设计、机器人控制、机器人仿真和离线编程的重要基础,而机器人的物理参数又是动力学建模的必要条件。直接测量参数很难保证其精确度,有时甚至是不可行的。因此,对机械手臂进行参数辨识研究具有十分现实的意义。
在机器人学中有许多不同种类的模型,精确的辨识对于精确控制是十分必要的。参数辨识涉及通过辨识模型过程的综合领域。总的来说,存在两种模型:参数的和非参数的模型。参数模型由一些参数来描述,用于模型在全部工作范围内的精确度特征描述。机械手的物理参数是用来预测驱动力和力矩从而使物件和机械手运动。机器手物理参数的辨识成为研究机器人动力学的热点的问题之一,也是机器人动力学研究的一个重要课题。对机械手臂的物理参数辨识的精度和实时性影响机器人的智能化水平,在这方面的研究工作目前还比较少。
(三)发明内容
1、目的:本发明的目的是为了提供一种基于遗传算法的带有未知负载的机械手参数辨识方法,特别是指一种基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识的方法,它解决了双关节机械手在带有未知负载的运动过程中物理参数的辨识问题,从而实现对双关节机械手臂的物理参数的精确辨识。
2、技术方案:为达到上述目的,
本发明一种基于遗传算法的带有未知负载的机械手参数辨识方法,特别是指一种基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识的方法,它包括以下步骤:
步骤一:根据带有未知负载的双关节机械手臂的动力学特性,得到其动力学方程;
步骤二:根据带有未知负载的双关节机械手臂动力学方程,将其中未知物理参数的函数进行变量分离,得到未知物理参数的函数被分离后的表达式;
步骤三:根据未知物理参数的函数被分离后的表达式,设计遗传算法,对带有未知负载的双关节机械手臂参数进行辨识;
步骤四:将通过MATLAB仿真得到的辨识值与测量值进行比较,实现对双关节机械手臂在带有未知负载时的物理参数的辨识。
其中,步骤一所述的带有未知负载的双关节机械手臂动力学方程:
其中,步骤二所述的未知物理参数的函数被分离后的表达式为Ya=τ,其中a是包含未知参数函数的矩阵。
其中,步骤三所述遗传算法的设计方法如下:
(1)确定决策变量及各种约束条件,即确定出个体的表现型X和问题的解空间;
(2)建立优化模型,即确定出目标函数的类型及数学描述形式或量化方法;
(3)确定表示可行解的染色体编码方法,即确定出个体的基因型x及遗传算法的搜索空间;
(4)确定个体适应度的量化评价方法,即确定出由目标函数值J(x)到个体适应度函数F(x)的转换规则;
(5)设计遗传算子,即确定选择运算、交叉运算、变异运算等遗传算子的具体操作方法;
(6)确定遗传算法的有关运行参数,即M,G,Pc,Pm等参数;
(7)确定解码方法,即确定出由个体表现型X到个体基因型x的对应关系或转换方法。
3、优点及功效:本发明一种基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识方法,它的优点在于:
(1)综合了使用了机器人动力学分析方法和遗传算法的设计方法,将双关节机械手臂动力学方程中的未知物理参数的函数分离出来,给出了遗传算法的设计过程和结果,运用参数辨识的设计方法,实现对双关节机械手臂在带有未知负载时的物理参数的辨识。
(2)能够针对双关节机械手臂的动力学方程中的一个或多个未知物理参数的情况,通过变量分离和遗传算法的设计进行有效的辨识。
(3)解决了带有未知负载的双关节机械手臂的物理参数的辨识问题,具有简单、易于实现的特点,普适性好,并且为进一步进行机器人动力学建模和高精度控制奠定的可靠的基础。
(四)附图说明
图1:本发明基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识方法的流程图;
图2:本发明带有未知负载的双关节机械手臂模型示意图;
图3:本发明遗传算法设计流程图;
图4:本发明遗传算法的目标函数的优化过程图;
图5:本发明带有未知负载的双关节机械手臂部分抑制已知物理参数图表;
图中的标号、符号和线条等说明如下:
图2中,q1分别是机械手臂相对于水平坐标轴的角度,q2分别是机械手臂2相对于机械手臂1的角度,m1是机械手臂1的质量,l1是机械手臂1的长度,是机械手臂1质心相对于关节1的距离,I1是机械手臂1相对于质心的转动惯量,g是重力加速度,机械手臂2连同负载视为一个整体,me是质量,lce是质心相对于关节2的距离,Ie是相对于质心的转动惯量,δe是质心与机械手臂2的夹角。
(五)具体实施方式
为使本发明的目的、技术方案和优点表达得更加清楚明白,下面结合附图及具体实施例对本发明再作进一步详细的说明。
见图1-图5,本发明的基本思路是根据带有未知负载的双关节机械手臂的动力学特性,得到其动力学方程;根据带有未知负载的双关节机械手臂动力学方程,将其中未知物理参数的函数进行变量分离,得到未知物理参数的函数被分离后的表达式;根据未知物理参数的函数被分离后的表达式,设计遗传算法,对带有未知负载的双关节机械手臂参数进行辨识;将通过MATLAB仿真得到的辨识值与测量值进行比较,实现对双关节机械手臂在带有未知负载时的物理参数的辨识。
硬件系统方面,带有未知负载的双关节机械手臂。软件系统方面,系统仿真以软件MATLABR2008b为基础开发。
下面以一实例进行说明:
如图1所示,本发明一种基于遗传算法的带有未知负载的机械手参数辨识方法,它包括以下步骤:
步骤一:根据带有未知负载的双关节机械手臂的动力学特性,得到其动力学方程;
其中q1、分别是机械手臂相对于水平坐标轴的角度、角速度和角加速度,q2、分别是机械手臂2相对于机械手臂1的角度、角速度和角加速度,τ1、τ2分别是关节1和关节2的输入力矩, ε=mel1lcecos(δe),η=mel1lcesin(δe),e2=g/l1。
其中m1是机械手臂1的质量,l1是机械手臂1的长度,是机械手臂1质心相对于关节1的距离,I1是机械手臂1相对于质心的转动惯量,g是重力加速度,机械手臂2连同负载视为一个整体,me是质量,lce是质心相对于关节2的距离,Ie是相对于质心的转动惯量,δe是质心与机械手臂2的夹角。
步骤二:根据带有未知负载的双关节机械手臂动力学方程,将其中未知物理参数的函数进行变量分离,得到未知物理参数的函数被分离后的表达式;
α、β、ε、η为未知参数,me、lce、Ie、δe的函数,经过变换,得到变量分离后的结果:
Ya=τ
其中
步骤三:根据未知物理参数的函数被分离后的表达式,设计遗传算法,对带有未知负载的双关节机械手臂参数进行辨识;
遗传算法的设计方法如下:
(1)确定决策变量和约束条件;
(2)建立优化模型;
(3)确定编码方法:用十进制浮点编码来分别表示四个决策变量α、β、ε、η,搜索范围分别为[0,10],[0,5],[0,5],[0,5];
(4)确定解码方法:用十进制浮点编码,所以此处无需解码;
(5)确定个体评价方法:由于力矩函数的值域总是非负的,并且优化目标是求函数的最小值,故可将个体的适应度取为对应的目标函数值的倒数,即
F(τ)=1/f(τ1,τ2)
选个体适应度的倒数作为目标函数
其中
(6)设计遗传算子:选择运算使用比例选择算子,交叉运算使用单点交叉算子,变异运算使用基本位变异算子。
(7)确定遗传算法的运行参数:群体大小M=200,终止进化代数G=1500,交叉概率Pc=0.90,变异概率Pm=(0.20-(0.10-0.001)×kg/G),
其中kg是迭代次数。
步骤四:将通过MATLAB仿真得到的辨识值与测量值进行比较,实现对双关节机械手臂在带有未知负载时的物理参数的辨识。
其中,测量值经计算为a=[αβεη]T=[6.7333 3.4 3.0 0]T,辨识值为
Claims (2)
1.一种基于遗传算法的带有未知负载的机械手参数辨识方法,具体指一种基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识的方法,其特征在于:该方法具体步骤如下:
步骤一:根据带有未知负载的双关节机械手臂的动力学特性,得到其动力学方程;
步骤二:根据带有未知负载的双关节机械手臂动力学方程,将其中未知物理参数的函数进行变量分离,得到未知物理参数的函数被分离后的表达式;
步骤三:根据未知物理参数的函数被分离后的表达式,设计遗传算法,对带有未知负载的双关节机械手臂参数进行辨识;
步骤四:将通过MATLAB仿真得到的辨识值与测量值进行比较,实现对双关节机械手臂在带有未知负载时的物理参数的辨识;
步骤一所述的带有未知负载的双关节机械手臂动力学方程为:
其中q1、分别是机械手臂相对于水平坐标轴的角度、角速度和角加速度,q2、分别是机械手臂2相对于机械手臂1的角度、角速度和角加速度,τ1、τ2分别是关节1和关节2的输入力矩, ε=mel1lcecos(δe), e2=g/l1;
其中m1是机械手臂1的质量,l1是机械手臂1的长度,是机械手臂1质心相对于关节1的距离,I1是机械手臂1相对于质心的转动惯量,g是重力加速度,机械手臂2连同负载视为一个整体,me是质量,lce是质心相对于关节2的距离,Ie是相对于质心的转动惯量,δe是质心与机械手臂2的夹角;
,α、β、ε、η为未知参数,τ是输入力矩。
2.根据权利要求1所述的一种基于遗传算法的带有未知负载的机械手参数辨识方法,其特征在于:步骤三所述遗传算法的设计过程如下:
(1)确定决策变量及各种约束条件,即确定出个体的表现型X和问题的解空间;
(2)建立优化模型,即确定出目标函数的类型及数学描述形式或量化方法;
(3)确定表示可行解的染色体编码方法,即确定出个体的基因型x及遗传算法的搜索空间;
(4)确定个体适应度的量化评价方法,即确定出由目标函数值J(x)到个体适应度函数F(x)的转换规则;
(5)设计遗传算子,即确定选择运算、交叉运算、变异运算遗传算子的具体操作方法;
(6)确定遗传算法的有关运行参数,即M,G,Pc,Pm参数;
其中,M为群体大小;G为终止进化代数;Pc为交叉概率;Pm为变异概率;
(7)确定解码方法,即确定出由个体表现型X到个体基因型x的对应关系或转换方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210035865.2A CN102540894B (zh) | 2012-02-17 | 2012-02-17 | 一种基于遗传算法的带有未知负载的机械手参数辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210035865.2A CN102540894B (zh) | 2012-02-17 | 2012-02-17 | 一种基于遗传算法的带有未知负载的机械手参数辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102540894A CN102540894A (zh) | 2012-07-04 |
CN102540894B true CN102540894B (zh) | 2014-04-09 |
Family
ID=46347992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210035865.2A Expired - Fee Related CN102540894B (zh) | 2012-02-17 | 2012-02-17 | 一种基于遗传算法的带有未知负载的机械手参数辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102540894B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279029B (zh) * | 2013-05-31 | 2015-08-19 | 北京航空航天大学 | 多机器人手臂系统的自适应协调控制方法 |
WO2017211966A1 (en) * | 2016-06-10 | 2017-12-14 | Abb Schweiz Ag | A robust automatic method to identify physical parameters of a mechanical load with integrated reliability indication |
CN106407719B (zh) * | 2016-10-25 | 2019-01-18 | 华南理工大学 | 一种快速收敛的机器人动力学参数辨识轨迹优化方法 |
CN106346477B (zh) * | 2016-11-05 | 2019-10-25 | 上海新时达电气股份有限公司 | 六轴机器人的负载辨识方法及模块 |
CN107349013B (zh) * | 2017-05-19 | 2020-08-04 | 浙江工业大学 | 基于数据驱动控制框架的外科手术机器的力控制方法 |
CN107609221B (zh) * | 2017-08-15 | 2018-07-17 | 东南大学 | 一种基于遗传算法的含铰结构非线性参数识别方法 |
CN107650126B (zh) * | 2017-11-07 | 2020-11-20 | 成都卡诺普自动化控制技术有限公司 | 六轴工业机器人动力学参数自动适应方法 |
CN108646563B (zh) * | 2018-05-15 | 2020-12-01 | 浙江工业大学 | 一种基于均值耦合的多机械臂系统固定时间参数辨识与位置同步控制方法 |
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 |
CN113319850A (zh) * | 2021-03-25 | 2021-08-31 | 弘丰塑胶制品(深圳)有限公司 | 一种机械手、配合多机械手的夹持套件、控制系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6630808B1 (en) * | 1999-06-02 | 2003-10-07 | Robert Bosch Gmbh | Method of electronically monitoring and controlling a process for the adjustment of mobile parts |
CN101354587A (zh) * | 2008-09-04 | 2009-01-28 | 湖南大学 | 一种未知环境下移动机器人多行为融合自动导航方法 |
CN101624097A (zh) * | 2009-05-27 | 2010-01-13 | 北京航空航天大学 | 自由基座对接器的自主最优轨迹跟踪设计方法 |
CN102298329A (zh) * | 2011-08-19 | 2011-12-28 | 北京航空航天大学 | 一种基于自适应遗传算法的小型无人旋翼机动力学模型辨识方法 |
-
2012
- 2012-02-17 CN CN201210035865.2A patent/CN102540894B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6630808B1 (en) * | 1999-06-02 | 2003-10-07 | Robert Bosch Gmbh | Method of electronically monitoring and controlling a process for the adjustment of mobile parts |
EP1256154B1 (de) * | 1999-06-02 | 2007-08-29 | Robert Bosch Gmbh | Verfahren zum elektronischen überwachen und steuern eines prozesses zum verstellen beweglicher teile |
CN101354587A (zh) * | 2008-09-04 | 2009-01-28 | 湖南大学 | 一种未知环境下移动机器人多行为融合自动导航方法 |
CN101624097A (zh) * | 2009-05-27 | 2010-01-13 | 北京航空航天大学 | 自由基座对接器的自主最优轨迹跟踪设计方法 |
CN102298329A (zh) * | 2011-08-19 | 2011-12-28 | 北京航空航天大学 | 一种基于自适应遗传算法的小型无人旋翼机动力学模型辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102540894A (zh) | 2012-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102540894B (zh) | 一种基于遗传算法的带有未知负载的机械手参数辨识方法 | |
CN109514602B (zh) | 一种基于负载自适应辨识的工业机器人力矩补偿控制方法 | |
CN107703747B (zh) | 一种面向搅拌摩擦焊应用的重载机器人动力学参数自标定方法 | |
Fei et al. | Springback prediction for incremental sheet forming based on FEM-PSONN technology | |
CN107671861A (zh) | 一种改进的scara机器人动力学参数辨识方法 | |
CN110936382B (zh) | 一种数据驱动的工业机器人能耗优化方法 | |
CN103034123A (zh) | 基于动力学模型参数辨识的并联机器人控制方法 | |
CN104614991A (zh) | 提高机器人参数辨识精度的方法 | |
CN109583093A (zh) | 一种考虑关节弹性的工业机器人动力学参数辨识方法 | |
Shen et al. | Online identification of time-varying dynamical systems for industrial robots based on sparse Bayesian learning | |
Shi et al. | Acd-edmd: Analytical construction for dictionaries of lifting functions in koopman operator-based nonlinear robotic systems | |
CN102419827A (zh) | 基于rbf神经网络的沸腾换热预测方法 | |
CN116207388A (zh) | 一种基于数字孪生的人机协作动力锂电池拆解方法 | |
CN105389442A (zh) | 一种耦合遗传算法、神经网络与数值模拟的反向设计方法 | |
CN116252039B (zh) | 一种惯性摩擦焊机智能控制方法和系统 | |
CN102759602B (zh) | 高密度聚乙烯串级聚合反应过程故障预测方法 | |
Wu et al. | Design and implementation of the inverted pendulum optimal controller based on hybrid genetic algorithm | |
CN115238394B (zh) | 复合材料结构多源不确定性混合可靠性数字孪生建模方法 | |
Wang et al. | Parameter identification of heavy-duty manipulator using stochastic gradient Hamilton Monte Carlo method | |
Virgala et al. | Manipulator end-effector position control | |
Gao et al. | An online intelligent method for roller path design in conventional spinning | |
Fang et al. | Design and implementation of a novel fuzzy controller with DSP for rotary inverted pendulum | |
Wang et al. | Identification of ball and plate system using multiple neural network models | |
Rantalainen | Simulation of structural stress history based on dynamic analysis | |
US20240036532A1 (en) | Method and system for modelling industrial processes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140409 Termination date: 20160217 |
|
CF01 | Termination of patent right due to non-payment of annual fee |