CN108638072B - 用于工业机器人的高精度控制装置及方法 - Google Patents
用于工业机器人的高精度控制装置及方法 Download PDFInfo
- Publication number
- CN108638072B CN108638072B CN201810515557.7A CN201810515557A CN108638072B CN 108638072 B CN108638072 B CN 108638072B CN 201810515557 A CN201810515557 A CN 201810515557A CN 108638072 B CN108638072 B CN 108638072B
- Authority
- CN
- China
- Prior art keywords
- model
- industrial robot
- joint
- tau
- force
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1607—Calculation of inertia, jacobian matrixes and inverses
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提出了一种用于工业机器人的高精度控制装置及方法,包括:利用安装于工业机器人底座和固定面之间的六维力‑力矩传感器测量工业机器人运行过程中的各连杆传递至基座的支反力、力矩,并对关节运动动力观测;对观测得到的线性动力学模型参数进行在线实时估计修正,得到线性模型估计关节运动动力τd,model;利用关节驱动力矩τmotor和线性模型估计关节运动动力τd,model,在线估计关节摩擦力τfriction;根据关节运动动力观测得到的参数、在线估计关节摩擦力τfriction,采用基于模型的机器人控制算法实现工业机器人的高精度控制。本发明实现了摩擦力参数与机器人质量分布特性参数解耦辨识,在线得到较为精确的机器人动力学模型,可应用于对工业机器人控制精度要求高的场景。
Description
技术领域
本发明涉及工业机器人技术领域,特别涉及一种用于工业机器人的高精度控制装置及方法。
背景技术
基于模型的控制是实现工业机器人高精度控制的重要技术途径,但该方法实现的前提是能够获取足够精确的机器人动力学模型,包括机器人结构的质量分布特性参数,传动系统摩擦力参数等。目前获取工业机器人动力学参数的途径主要有两种:通过设计及经验参数给定标称模型参数以及机器人本体参数辨识技术辨识得到的机器人动力学参数,第一种方法存在的问题是,由于加工生产偏差的存在,实际的动力学参数与标称参数存在较大差别,应用标称参数无法准确描述实际的动力学特性。第二种方法可获取一定精度的动力学模型参数,目前应用比较多,但存在一定问题,比如参数辨识在同一组运动中进行,惯性力、科氏力、重力以及摩擦力在驱动力矩中的比重,由辨识运动特性决定,要想充分辨识各成分,需要对辨识运动进行精巧设计,此外,摩擦力受实际工况影响变化范围较大,这种离线辨识方法得到的摩擦力参数与机器人实际工作工况并不完全一致,所以以上两种方式得到的动力学模型参数都难以满足高精度的工业机器人基于模型控制的要求。
部分基于模型的工业机器人控制方案中为消除动力学模型参数的不确定性,采用自适应控制方法,在线修正模型参数,具备一定效果,但存在的问题是将摩擦力和运动力参数在关节力矩测量中进行估计,由于库伦摩擦力非线性的影响,动力学参数在线辨识的收敛精度受限制。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此,本发明的目的在于提出一种用于工业机器人的高精度控制装置及方法。
为了实现上述目的,本发明的实施例提供一种用于工业机器人的高精度控制方法,包括如下步骤:
步骤S1,利用安装于工业机器人底座和固定面之间的六维力-力矩传感器测量所述工业机器人运行过程中的各连杆传递至基座的支反力、力矩,并对关节运动动力观测;
步骤S2,对步骤S1中观测得到的线性动力学模型参数进行在线实时估计修正,得到线性模型估计关节运动动力τd,model;
步骤S3,利用关节驱动力矩τmotor和线性模型估计关节运动动力τd,model,在线估计关节摩擦力τfriction;
步骤S4,根据关节运动动力观测得到的参数、在线估计关节摩擦力τfriction,采用基于模型的机器人控制算法实现工业机器人的高精度控制。
其中:为线性动力学模型回归矩阵,为运动参数,θ为线性动力学参数,为测量基座支反力、力矩;mtotal为机器人总质量;为各关节运动的惯性力,为各关节运动的科氏力,G(q)为各关节运动的重力,这三项可通过中的线性动力学模型进行计算,p为连杆质量特性参数向量,g为重力加速度。
进一步,在所述步骤S2中,对线性动力学模型参数进行修正:
其中:θk,θk-1为线性动力学参数在线更新序列;τd,model为线性模型估计关节运动动力;Kθ为参数更新反馈系数,决定了参数估计收敛的速度与稳定性。
进一步,在所述步骤S3中,在线估计关节摩擦力τfriction=τmotor-τd,model。
进一步,在所述步骤S4中,采用基于模型的机器人控制算法实现工业机器人的高精度控制,包括:
τc为控制力矩,Kp,Ki,Kd为控制参数。
本发明实施例还提出一种用于工业机器人的高精度控制装置,包括:六维力-力矩传感器,安装于工业机器人底座和固定面之间,用于测量所述工业机器人运行过程中的各连杆传递至基座的支反力、力矩,并对关节运动动力观测,并将观测得到的线性动力学模型参数发送至所述工业机器人;
所述工业机器人对观测得到的线性动力学模型参数进行在线实时估计修正,得到线性模型估计关节运动动力τd,model;利用关节驱动力矩τmotor和线性模型估计关节运动动力τd,model,在线估计关节摩擦力τfriction;根据关节运动动力观测得到的参数、在线估计关节摩擦力τfriction,采用基于模型的机器人控制算法实现工业机器人的高精度控制。
其中:为线性动力学模型回归矩阵,为运动参数,θ为线性动力学参数,为测量基座支反力、力矩;mtotal为机器人总质量;为各关节运动的惯性力,为各关节运动的科氏力,G(q)为各关节运动的重力,这三项可通过中的线性动力学模型进行计算,p为连杆质量特性参数向量,g为重力加速度。
进一步,所述工业机器人对线性动力学模型参数进行修正:
其中:θk,θk-1为线性动力学参数在线更新序列;τd,model为线性模型估计关节运动动力;Kθ为参数更新反馈系数,决定了参数估计收敛的速度与稳定性。
进一步,所述工业机器人计算得到的所述在线估计关节摩擦力τfriction=τmotor-τd,model。
进一步,所述工业机器人采用基于模型的机器人控制算法实现工业机器人的高精度控制,包括:
τc为控制力矩,Kp,Ki,Kd为控制参数。
根据本发明实施例的用于工业机器人的高精度控制装置及方法,由通用工业机器人以及基座六维力-力矩传感器实现对包括关节摩擦力在内动力学参数进行在线实时精确估计,并应用该估计模型对工业机器人进行精确控制。该方法通过基座六维力-力矩传感器测量工业机器人运行过程中基座支反力,经算法处理后可作为关节运动动力(关节驱动力出去摩擦力的部分)的精确观测,对动力学模型中参数中的质量、一阶矩、转动惯量参数进行在线估计修正,并基于关节驱动力和修正的运动动力力矩实时估计关节摩擦力矩,并采用基于模型的机器人控制算法实现工业机器人的高精度控制。本发明实现了摩擦力参数与机器人质量分布特性参数解耦辨识,在线得到较为精确的机器人动力学模型,可应用于对工业机器人控制精度要求高的场景。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的用于工业机器人的高精度控制方法的流程图;
图2为根据本发明实施例的基于基座力-力矩传感器测量及动力学在线估计的高精度控制框图;
图3为根据本发明实施例的基于基座力-力矩传感器测量及动力学参数在线估计的高精度控制计算流程图;
图4为根据本发明实施例的用于工业机器人的高精度控制装置的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明提出一种用于工业机器人的高精度控制装置及方法,由工业机器人和安装于机器人底座和固定面之间的六维力-力矩传感器测量工业机器人运行过程中各连杆传递至基座的支反力(矩),进一步可通过动力学解算,用以估计关节运动动力。其中,关节驱动力矩中关节摩擦力为结构内力,不会传递至结构外部,在基座力-力矩测量中没有反映。本发明采用基于模型的控制方法,通过精确的模型补偿实现对规划指令的高精度跟踪控制。
如图1-图3所示,本发明实施例的用于工业机器人的高精度控制方法,包括如下步骤:
步骤S1,利用安装于工业机器人底座和固定面之间的六维力-力矩传感器(如图4所示),测量工业机器人运行过程中的各连杆传递至基座的支反力、力矩,并对关节运动动力观测。
其中:为线性动力学模型回归矩阵,为运动参数,θ为线性动力学参数,为测量基座支反力、力矩;mtotal为机器人总质量;为各关节运动的惯性力,为各关节运动的科氏力,G(q)为各关节运动的重力,这三项可通过中的线性动力学模型进行计算,p为连杆质量特性参数向量,为已知量;g为重力加速度。
步骤S2,对步骤S1中观测得到的线性动力学模型参数进行在线实时估计修正,得到线性模型估计关节运动动力τd,model。
采用公式(3)对线性动力学模型参数进行修正:
其中:θk,θk-1为线性动力学参数在线更新序列;τd,model为线性模型估计关节运动动力;Kθ为参数更新反馈系数,决定了参数估计收敛的速度与稳定性。
步骤S3,利用关节驱动力矩τmotor和线性模型估计关节运动动力τd,model,在线估计关节摩擦力τfriction。
采用公式(4)利用关节驱动力矩测量和模型估计运动动力,在线估计关节摩擦力,其中τmotor为关节驱动力矩
τfriction=τmotor-τd,model (4)
步骤S4,根据关节运动动力观测得到的参数、在线估计关节摩擦力τfriction,采用基于模型的机器人控制算法实现工业机器人的高精度控制,基于精确模型在线估计的计算力矩前馈控制。
在步骤S4中,在精确辨识机器人动力学模型基础上,采用公式(5)所示的计算力矩控制方法对机器人进行控制:
τc为控制力矩,Kp,Ki,Kd为控制参数。
如图4所示,本发明实施例还提出一种用于工业机器人的高精度控制装置,包括:六维力-力矩传感器,安装于工业机器人底座和固定面之间。六维力-力矩传感器测量工业机器人运行过程中的各连杆传递至基座的支反力、力矩,并对关节运动动力观测,并将观测得到的线性动力学模型参数发送至工业机器人。
其中:为线性动力学模型回归矩阵,为运动参数,θ为线性动力学参数,为测量基座支反力、力矩;mtotal为机器人总质量;为各关节运动的惯性力,为各关节运动的科氏力,G(q)为各关节运动的重力,这三项可通过中的线性动力学模型进行计算,p为连杆质量特性参数向量,g为重力加速度。
工业机器人对观测得到的线性动力学模型参数进行在线实时估计修正,得到线性模型估计关节运动动力τd,model。
具体的,工业机器人对线性动力学模型参数进行修正:
其中:θk,θk-1为线性动力学参数在线更新序列;τd,model为线性模型估计关节运动动力;Kθ为参数更新反馈系数,决定了参数估计收敛的速度与稳定性。
工业机器人利用关节驱动力矩τmotor和线性模型估计关节运动动力τd,model,在线估计关节摩擦力τfriction。
其中,工业机器人计算得到的在线估计关节摩擦力:
τfriction=τmotor-τd,model (4)
根据关节运动动力观测得到的参数、在线估计关节摩擦力τfriction,采用基于模型的机器人控制算法实现工业机器人的高精度控制。
在本发明的一个实施例中,工业机器人采用基于模型的机器人控制算法实现工业机器人的高精度控制,包括:
τc为控制力矩,Kp,Ki,Kd为控制参数。
根据本发明实施例的用于工业机器人的高精度控制装置及方法,由通用工业机器人以及基座六维力-力矩传感器实现对包括关节摩擦力在内动力学参数进行在线实时精确估计,并应用该估计模型对工业机器人进行精确控制。该方法通过基座六维力-力矩传感器测量工业机器人运行过程中基座支反力,经算法处理后可作为关节运动动力(关节驱动力出去摩擦力的部分)的精确观测,对动力学模型中参数中的质量、一阶矩、转动惯量参数进行在线估计修正,并基于关节驱动力和修正的运动动力力矩实时估计关节摩擦力矩,并采用基于模型的机器人控制算法实现工业机器人的高精度控制。本发明实现了摩擦力参数与机器人质量分布特性参数解耦辨识,在线得到较为精确的机器人动力学模型,可应用于对工业机器人控制精度要求高的场景。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
Claims (10)
1.一种用于工业机器人的高精度控制方法,其特征在于,包括如下步骤:
步骤S1,利用安装于工业机器人底座和固定面之间的六维力-力矩传感器测量所述工业机器人运行过程中的各连杆传递至基座的支反力、力矩,并对关节运动动力观测;
步骤S2,对步骤S1中观测得到的线性动力学模型参数进行在线实时估计修正,得到线性模型估计关节运动动力τd,model;
步骤S3,利用关节驱动力矩τmotor和线性模型估计关节运动动力τd,model,在线估计关节摩擦力τfriction;
步骤S4,根据关节运动动力观测得到的参数、在线估计关节摩擦力τfriction,采用基于模型的机器人控制算法实现工业机器人的高精度控制。
4.如权利要求1所述的用于工业机器人的高精度控制方法,其特征在于,在所述步骤S3中,在线估计关节摩擦力τfriction=τmotor-τd,model。
6.一种用于工业机器人的高精度控制装置,其特征在于,包括:六维力-力矩传感器,安装于工业机器人底座和固定面之间,用于测量所述工业机器人运行过程中的各连杆传递至基座的支反力、力矩,并对关节运动动力观测,并将观测得到的线性动力学模型参数发送至所述工业机器人;
所述工业机器人对观测得到的线性动力学模型参数进行在线实时估计修正,得到线性模型估计关节运动动力τd,model;利用关节驱动力矩τmotor和线性模型估计关节运动动力τd,model,在线估计关节摩擦力τfriction;根据关节运动动力观测得到的参数、在线估计关节摩擦力τfriction,采用基于模型的机器人控制算法实现工业机器人的高精度控制。
9.如权利要求6所述的用于工业机器人的高精度控制装置,其特征在于,所述工业机器人计算得到的所述在线估计关节摩擦力τfriction=τmotor-τd,model。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810515557.7A CN108638072B (zh) | 2018-05-25 | 2018-05-25 | 用于工业机器人的高精度控制装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810515557.7A CN108638072B (zh) | 2018-05-25 | 2018-05-25 | 用于工业机器人的高精度控制装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108638072A CN108638072A (zh) | 2018-10-12 |
CN108638072B true CN108638072B (zh) | 2021-07-30 |
Family
ID=63758167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810515557.7A Active CN108638072B (zh) | 2018-05-25 | 2018-05-25 | 用于工业机器人的高精度控制装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108638072B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018133349A1 (de) * | 2018-12-21 | 2020-06-25 | Pilz Gmbh & Co. Kg | Verfahren und Vorrichtung zur Momentschätzung |
US11478928B2 (en) * | 2019-06-07 | 2022-10-25 | Verb Surgical Inc. | Estimating joint friction and tracking error of a robotics end effector |
CN110328689B (zh) * | 2019-07-09 | 2021-01-08 | 达闼科技(北京)有限公司 | 机器人平衡检测方法、装置、设备及机器人 |
CN112757340B (zh) * | 2020-12-25 | 2022-06-28 | 珞石(山东)智能科技有限公司 | 基于关节扭矩传感器的关节摩擦力观测方法及装置 |
WO2022161245A1 (zh) * | 2021-01-29 | 2022-08-04 | 苏州艾利特机器人有限公司 | 一种提高机器人关节转矩检测精度的方法及多关节机器人 |
CN114589702B (zh) * | 2022-04-24 | 2024-05-07 | 合肥工业大学 | 基于动力学参数辨识和导纳控制的协作机器人拖动方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2324967A2 (de) * | 2009-11-24 | 2011-05-25 | Robert Bosch GmbH | System und Verfahren zur Kollisionserkennung bei Fertigungs- oder Montageautomaten |
WO2013175777A1 (ja) * | 2012-05-23 | 2013-11-28 | パナソニック株式会社 | ロボット、ロボットの制御装置、制御方法、及び制御プログラム |
CN107662209A (zh) * | 2017-09-21 | 2018-02-06 | 上海新时达机器人有限公司 | 一种控制方法及机器人 |
CN108000521A (zh) * | 2017-12-06 | 2018-05-08 | 天津大学 | 一种无传感器式协作机器人碰撞检测方法 |
CN108406779A (zh) * | 2018-05-18 | 2018-08-17 | 昆明理工大学 | 一种基于未知输入观测器的机械臂运动控制方法 |
-
2018
- 2018-05-25 CN CN201810515557.7A patent/CN108638072B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2324967A2 (de) * | 2009-11-24 | 2011-05-25 | Robert Bosch GmbH | System und Verfahren zur Kollisionserkennung bei Fertigungs- oder Montageautomaten |
WO2013175777A1 (ja) * | 2012-05-23 | 2013-11-28 | パナソニック株式会社 | ロボット、ロボットの制御装置、制御方法、及び制御プログラム |
CN107662209A (zh) * | 2017-09-21 | 2018-02-06 | 上海新时达机器人有限公司 | 一种控制方法及机器人 |
CN108000521A (zh) * | 2017-12-06 | 2018-05-08 | 天津大学 | 一种无传感器式协作机器人碰撞检测方法 |
CN108406779A (zh) * | 2018-05-18 | 2018-08-17 | 昆明理工大学 | 一种基于未知输入观测器的机械臂运动控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108638072A (zh) | 2018-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108638072B (zh) | 用于工业机器人的高精度控制装置及方法 | |
CN106647281B (zh) | 一种基于终端滑模的遥操作系统干扰有限时间补偿方法 | |
CN106483964B (zh) | 一种基于接触力观测器的机器人柔顺控制方法 | |
Khosla et al. | Parameter identification of robot dynamics | |
JP5327722B2 (ja) | ロボットの負荷推定装置及び負荷推定方法 | |
Belchior et al. | Off-line compensation of the tool path deviations on robotic machining: Application to incremental sheet forming | |
CN112171673B (zh) | 机械臂作业控制方法、控制设备及计算机可读存储介质 | |
CN113927599B (zh) | 绝对精度补偿方法及系统、设备和计算机可读存储介质 | |
CN106584489A (zh) | 具备计算传感器的位置和方向的功能的机器人系统 | |
Gharaaty et al. | Accuracy enhancement of industrial robots by on-line pose correction | |
Besset et al. | Advanced calibration applied to a collaborative robot | |
CN114800522B (zh) | 无末端力传感器的液压机械臂接触作业自适应阻抗控制系统 | |
Zou et al. | An approach for peg-in-hole assembling based on force feedback control | |
JP3698770B2 (ja) | 負荷重量の推定方法 | |
Chavez et al. | Model based in situ calibration of six axis force torque sensors | |
Chavez et al. | Model based in situ calibration with temperature compensation of 6 axis force torque sensors | |
KR101086364B1 (ko) | 칼만 필터를 이용한 로봇 기구학 변수 추정 방법 및 시스템 | |
CN112975971B (zh) | 一种机器人惯性力补偿方法 | |
JP2011255500A (ja) | 脚式移動ロボットの制御装置 | |
US8670869B2 (en) | Robot controller | |
US12023810B2 (en) | System for active motion displacement control of a robot | |
CN112571743B (zh) | 操纵装置及其控制或调节方法、组件以及计算机程序产品 | |
JP6896824B2 (ja) | ロボット装置、ロボットシステム、ロボット装置の制御方法、ロボット装置を用いた物品の製造方法、情報処理装置、情報処理方法、制御プログラム及び記録媒体 | |
CN114840947A (zh) | 一种带约束的三自由度机械臂动力学模型 | |
Zhu et al. | A leader-follower trajectory planning approach for cooperative robotic system in automated fiber placement |
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 |