CN111055277B - 机器人柔性参数获取方法、装置、计算机设备及存储介质 - Google Patents
机器人柔性参数获取方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111055277B CN111055277B CN201911251795.2A CN201911251795A CN111055277B CN 111055277 B CN111055277 B CN 111055277B CN 201911251795 A CN201911251795 A CN 201911251795A CN 111055277 B CN111055277 B CN 111055277B
- Authority
- CN
- China
- Prior art keywords
- target joint
- flexible
- preset
- joint
- robot
- 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
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
-
- 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
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明实施例公开了一种机器人柔性参数获取方法、装置、计算机设备及存储介质,包括下述步骤:获取机器人目标关节按照预设轨迹运动时的运动信息,其中,所述目标关节运动时与所述目标关节连接的辅助关节在预设位置保持固定;根据所述位置信息计算所述目标关节的惯量数据;根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式辨识所述目标关节的柔性参数。上述机器人柔性参数的获取方法在固定辅助关节的条件下测量目标关节的运动信息,并通过预设的柔性动力学状态表达式将电机数据和惯量数据作为中间变量,该方法不需要传感器设备就可以辨识出机器人的柔性参数,不仅方法简单,适用范围广,还节省了成本。
Description
技术领域
本发明实施例涉及机器人技术领域,尤其是一种机器人柔性参数获取方法、装置、计算机设备及存储介质。
背景技术
目前,工业机器人的发展趋势是朝着机器人结构轻质化的方向发展的,这种轻质化结构能够在不降低有效载荷的情况下降低机器人的成本,但同时也会导致机器人关节的柔性效应更加明显。其中,关节柔性会导致机械谐振频率降低,进而影响伺服系统的稳定性和跟踪精度,使机器人运动性能显著下降。
如何保持轻质工业机器人的速度和精度性能,备受当今国内外专家学者关注。一些学者提出使用柔性动力学模型来替代原本的刚性动力学模型来进行控制,从而提升机器人的性能,因此,柔性动力学模型的精度对于控制的好坏有着直接的影响。然而对于柔性动力学模型的辨识,大多采用在机器人系统某一状态附近线性近似的方法来降低机器人复杂结构、关节耦合和非线性带来的辨识难度,得到的模型可能不适用于大多数工业机器人。
发明内容
本发明实施例提供一种机器人柔性参数获取方法、装置、计算机设备及存储介质。
为解决上述技术问题,本发明创造的实施例采用的一个技术方案是:提供一种机器人柔性参数获取方法,包括下述步骤:
获取机器人目标关节按照预设轨迹运动时的运动信息,其中,所述目标关节运动时与所述目标关节连接的辅助关节在预设位置保持固定,所述运动信息包括所述目标关节和所述辅助关节的位置信息和电机数据;
根据所述位置信息计算所述目标关节的惯量数据;
根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式辨识所述目标关节的柔性参数。
可选地,所述获取机器人目标关节按照预设轨迹运动时的运动信息,包括:
当所述辅助关节在所述预设位置保持固定时,向控制所述目标关节运动的电机下发激励轨迹,以使所述目标关节按照预设轨迹运动;
按照预设的采样周期采集所述目标关节运动时的电机数据。
可选地,所述根据所述位置信息计算所述目标关节的惯量数据,包括:
将所述位置信息输入到预设的惯量计算公式中得到所述目标关节的惯量数据。
可选地,所述根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式辨识所述目标关节的柔性参数之前,还包括:
获取预设的状态表达式中包含的状态参数;
对预设的机器人目标关节的柔性动力学模型和刚性动力学模型进行转换、微分得到所述状态参数的表达式;
将所述状态参数的表达式代入到所述状态表达式中得到所述柔性动力学状态表达式。
可选地,所述对预设的机器人目标关节的刚性动力学模型和柔性动力学模型进行转换、微分得到所述状态参数的表达式之前,还包括:
对机器人刚性动力学表达式进行改进得到柔性动力学模型的表达式,其中,所述柔性动力学模型包括所述机器人的重力矩;
从所述柔性动力学模型的表达式中提取所述目标关节的柔性动力学模型。
可选地,所述根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式辨识所述目标关节的柔性参数,包括:
将所述惯量数据和所述电机数据输入到预设的柔性动力学状态表达式中;
采用预设的模型辨识算法对所述柔性动力学状态表达式进行辨识得到所述目标关节的电机惯量、刚性系数和阻尼系数。
可选地,所述根据所述惯量数据和所述电机数据在预设的柔性动力学模型中辨识所述目标关节的柔性参数之后,还包括:
当辨识到所述目标关节的多个柔性参数时,对所述多个柔性参数进行加权运算得到所述目标关节的目标柔性参数,其中,所述多个柔性参数是在与所述目标关节连接的关节的位置均不同的条件下得到的。
为解决上述技术问题,本发明实施例还提供一种机器人柔性参数获取装置,包括:
获取模块,用于获取机器人目标关节按照预设轨迹运动时的运动信息,其中,所述目标关节运动时与所述目标关节连接的辅助关节在预设位置保持固定,所述运动信息包括所述目标关节和所述辅助关节的位置信息和电机数据;
处理模块,用于根据所述位置信息计算所述目标关节的惯量数据;
执行模块,用于根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式辨识所述目标关节的柔性参数。
可选地,所述获取模块包括:
第一处理子模块,用于当所述辅助关节在所述预设位置保持固定时,向控制所述目标关节运动的电机下发激励轨迹,以使所述目标关节按照预设轨迹运动;
第二处理子模块,用于按照预设的采样周期采集所述目标关节运动时的电机数据。
可选地,所述处理模块包括:
第一执行子模块,用于将所述位置信息输入到预设的惯量计算公式中得到所述目标关节的惯量数据。
可选地,还包括:
第一获取子模块,用于获取预设的状态表达式中包含的状态参数;
第三处理子模块,用于对预设的机器人目标关节的刚性动力学模型和柔性动力学模型进行转换、微分得到所述状态参数的表达式;
第二执行子模块,用于将所述状态参数的表达式代入到所述状态表达式中得到所述柔性动力学状态表达式。
可选地,还包括:
第四处理子模块,用于对机器人刚性动力学表达式进行改进得到柔性动力学模型的表达式,其中,所述柔性动力学模型包括所述机器人的重力矩;
第二获取子模块,用于从所述柔性动力学模型的表达式中提取所述目标关节的柔性动力学模型。
可选地,所述执行模块还包括:
第五处理子模块,用于将所述惯量数据和所述电机数据输入到预设的柔性动力学状态表达式中;
第三执行子模块,用于采用预设的模型辨识算法对所述柔性动力学状态表达式进行辨识得到所述目标关节的电机惯量、刚性系数和阻尼系数。
可选地,还包括:
第六处理子模块,用于当辨识到所述目标关节的多个柔性参数时,对所述多个柔性参数进行加权运算得到所述目标关节的目标柔性参数,其中,所述多个柔性参数是在与所述目标关节连接的关节的位置均不同的条件下得到的。
为解决上述技术问题,本发明实施例还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述所述机器人柔性参数获取方法的步骤。
为解决上述技术问题,本发明实施例还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述机器人柔性参数获取方法的步骤。
本发明实施例的有益效果是:上述机器人柔性参数的获取方法在固定辅助关节的条件下测量目标关节的运动信息,并通过预设的柔性动力学状态表达式将电机数据和惯量数据作为中间变量,该方法不需要传感器设备就可以辨识出机器人的柔性参数,不仅方法简单,适用范围广,还节省了成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种机器人柔性参数的获取方法的基本流程示意图;
图2为本发明实施例提供的一种获取机器人目标关节按照预设轨迹运动时的运动信息的方法的基本流程示意图;
图3为在某一惯量下运行激励轨迹时采集处理得到的电机角速度和电机力矩图谱;
图4为本发明实施例提供的一种柔性动力学状态表达式的方法的基本流程示意图;
图5为本发明实施例提供的一种对预设的机器人目标关节的柔性动力学模型和刚性动力学模型的方法的基本流程示意图;
图6为本发明实施例提供的一种根据惯量数据和电机数据在预设的柔性动力学状态表达式中辨识目标关节的柔性参数的方法的基本流程示意图;
图7为本发明实施例机器人柔性参数获取装置基本结构框图;
图8为本发明实施例计算机设备基本结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作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。
实施例
本技术领域技术人员可以理解,这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(Personal Communications Service,个人通信系统),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位系统)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端,例如可以是PDA、MID(Mobile Internet Device,移动互联网设备)和/或具有音乐/视频播放功能的移动电话,也可以是智能电视、机顶盒等设备。
本实施方式中的客户终端即为上述的终端。
具体地,请参阅图1,图1为本实施例机器人柔性参数获取方法的基本流程示意图。
如图1所示,机器人柔性参数获取方法包括下述步骤:
S1100、获取机器人目标关节按照预设轨迹运动时的运动信息,其中,目标关节运动时与目标关节连接的辅助关节在预设位置保持固定,运动信息包括目标关节和辅助关节的位置信息和电机数据;
本实施例中,目标关节为需要测试的机器人柔性参数的关节,辅助关节为与目标关节直接或间接连接得其它关节。运动信息包括:辅助关节的位置信息,例如坐标或长度、电机数据包括控制目标关节运动的电机的角度、速度、加速度和力矩。
本实施例中,目标关节为关节1时固定辅助关节在预设角度的位置使其保持固定静止,其余的关节保持在零位。此时下发激励轨迹使关节1按照激励轨迹,即预设轨迹进行运动按照预设的采样周期采集目标关节运动时的电机角速度和力矩。
本实施例中,在固定目标关节和辅助关节后还可以通过测量其位置坐标获取位置信息。
S1200、根据位置信息计算目标关节的惯量数据;
具体地,将位置信息输入到预设的惯量计算公式中得到目标关节的惯量数据。
S1300、根据惯量数据和电机数据在预设的柔性动力学状态表达式中辨识目标关节的柔性参数。
具体地,采用预设的模型辨识算法对所述柔性动力学状态表达式进行辨识得到目标关节的电机惯量、刚性系数和阻尼系数。
在一些实施方式中,为了获取到准确的柔性参数,当辨识到目标关节的多个柔性参数时,对多个柔性参数进行加权运算得到目标关节的目标柔性参数。
上述机器人柔性参数的获取方法在固定辅助关节的条件下测量目标关节的运动信息,并通过预设的柔性动力学状态表达式将电机数据和惯量数据作为中间变量,该方法不需要传感器设备就可以辨识出机器人的柔性参数,不仅方法简单,适用范围广,还大大的简化了机器人零部件,节省了成本。
本发明实施例提供一种获取机器人目标关节按照预设轨迹运动时的运动信息的方法,如图2所示,图2为本发明实施例提供的一种获取机器人目标关节按照预设轨迹运动时的运动信息的方法的基本流程示意图。
具体地,如图2所示,步骤S1100包括下述步骤:
S1110、当辅助关节在预设位置保持固定时,向控制目标关节运动的电机下发激励轨迹,以使目标关节按照预设轨迹运动;
本实施例中,辅助关节为与目标关节直接或间接连接的其它关节。在一个实施例中,目标关节为关节1,辅助关节为关节2,可以固定辅助关节在20度、30度、40度、50度、60度、70度或80度的位置使其保持固定静止,其余的关节保持在零位。此时下发激励轨迹使关节1按照激励轨迹,即预设轨迹进行运动。
S1120、按照预设的采样周期采集目标关节运动时的电机数据。
需要说明的是,为了使激励轨迹能反映出目标关节的柔性,激励轨迹可以选择1-20HZ的扫频信号,即该范围需要包含机器人在不同惯量下的机械共振频率,如图3所示,图3为在某一惯量下运行激励轨迹时采集处理得到的电机角速度和电机力矩图谱。
本发明实施例提供一种获取柔性动力学状态表达式的方法,如图4所示,图4为本发明实施例提供的一种柔性动力学状态表达式的方法的基本流程示意图。
具体地,如图4所示,步骤S1300之前还包括下述步骤:
S1311、获取预设的状态表达式中包含的状态参数;
本实施例中,采用状态方程表达式对改进后的柔性动力学模型进行表达,例如,其状态变量可以取其中,qai表示第i个关节的位置,qmi表示第i个电机的位置,/>表示第i个电机的速度,/>表示第i个关节的速度。
S1312、对预设的机器人目标关节的柔性动力学模型和刚性动力学模型进行转换、微分得到所述状态参数的表达式;
本实施例中,预设的机器人目标关节的柔性动力学模型为:
其中,Jmi为第i个关节电机的惯量,Jai为第i个关节轴的惯量,qmi,分别表示第i个关节电机的角度、角速度和角加速度,qai,/>分别表示第i个关节轴的角度、角速度和角加速度。k,d表示关节的刚度系数和阻尼系数。/>为关节摩擦力模型,这里采用库伦粘滞摩擦模型描述,Fc,Fv分别是关节库伦摩擦力系数和粘滞摩擦力系数。
则上述表达式可以为:
进行转换后得到:
S1313、将状态参数的表达式代入到状态表达式中得到柔性动力学状态表达式。
将上述状态参数的表达式代入到状态表达式中,并进行微分得到柔性动力学状态表达式:
本发明实施例提供一种对预设的机器人目标关节的柔性动力学模型的方法,如图5所示,图5为本发明实施例提供的一种对预设的机器人目标关节的柔性动力学模型和刚性动力学模型的方法的基本流程示意图。
具体地,如图5所示,步骤S1311之前还包括下述步骤:
S1301、对机器人刚性动力学表达式进行改进得到柔性动力学模型的表达式,其中,柔性动力学模型包括机器人的重力矩;
预设的机器人刚性动力学模型的一般表达式为:
本实施例中,将机器人关节的柔性因素考虑在内,即可以用一个质量弹簧系统等价电机和关节之间的柔性,得到机器人的柔性动力学模型的一般表达形式为:
其中,qa,分别为n×1关节端的位置、速度、加速度矩阵,qm,/>分别为n×1电机端的位置、速度、加速度矩阵,M(qa)为n×n惯性矩阵,/>为n×1科氏力、离心力项矩阵,G(qa)为n×1重力项矩阵,K=diag(k1,k2,…,kn)和D=diag(d1,d2,…,dn)分为为刚度系数矩阵和阻尼系数矩阵,τf为关节摩擦力矩阵。
S1302、从柔性动力学模型的表达式中提取目标关节的柔性动力学模型。
需要说明的是,本实施例中,机器人刚性动力学模型的参数为已知量,在实际应用中,可以通过机械参数或辨识方法得到,在此不再赘述。
通过上述机器人柔性动力学模型的表达式可以看出,机器人各轴的柔性参数不存在相互耦合的关系,因此,可以分别对单个轴的柔性参数进行分别辨识。在单轴运动时,目标关节所受的科氏力、离心力项为0,第i个关节轴的柔性动力学模型可表示为:
本发明实施例提供一种根据惯量数据和电机数据在预设的柔性动力学状态表达式中辨识目标关节的柔性参数的方法,如图6所示,图6为本发明实施例提供的一种根据惯量数据和电机数据在预设的柔性动力学状态表达式中辨识目标关节的柔性参数的方法的基本流程示意图。
具体地,如图6所示,步骤S1300包括下述步骤:
S1321、将惯量数据和电机数据输入到预设的柔性动力学状态表达式中;
电机数据包括:电机的角度、速度、加速度和力矩。本实施例中,以预设的采样周期,例如以4ms的采样周期采集目标关节在预设轨迹中运行得到的电机的角度和力矩,并将惯量数据,即关节轴的惯量Ja11,输入到柔性动力学状态表达式中。
S1322、采用预设的模型辨识算法对柔性动力学状态表达式进行辨识得到目标关节的电机惯量、刚性系数和阻尼系数。
本实施例中,惯量数据为目标关节轴的惯量可由上述实施例计算得出,其中,目标关节的重力力矩G(qm1)=0,摩擦力参数为已知量,即可以采用matlab的非线性模型辨识工具箱来辨识得到关节1的柔性参数。为使测试信号的频率信息不产生缺失,采样周期一般需高于测试的频率的10倍。
在一些实施方式中,为了获取到准确的柔性参数,在步骤S1300之后还包括:
当辨识到目标关节的多个柔性参数时,对多个柔性参数进行加权运算得到目标关节的目标柔性参数,其中,多个柔性参数是在与目标关节连接的关节的位置均不同的条件下得到的。
本实施例中,假设在不同惯量下共测试了j次,最终得到目标关节的柔性参数为测试的加权平均和。
一个实施例中,目标关节为关节1,辅助关节为关节2,固定辅助关节在20度、30度、40度、50度、60度、70度或80度的位置使其保持固定静止,其余的关节保持在零位,测试目标关节在上述7个姿态下目标关节的柔性参数,并对上述7个柔性参数进行平均值运算,得到目标关节的柔性参数。
本实施例中,对于机器人的其它关节均可以将其当做目标关节并按照上述方法进行重复操作,辨识到其它关节的柔性参数。
为解决上述技术问题本发明实施例还提供一种机器人柔性参数获取装置。具体请参阅图7,图7为本实施例机器人柔性参数获取装置基本结构框图。
如图7所示,一种机器人柔性参数获取装置,包括:获取模块2100、处理模块2200和执行模块2300。其中,获取模块2100,用于获取机器人目标关节按照预设轨迹运动时的运动信息,其中,所述目标关节运动时与所述目标关节连接的辅助关节在预设位置保持固定,所述运动信息包括所述目标关节和所述辅助关节的位置信息和电机数据;处理模块2200,用于根据所述位置信息计算所述目标关节的惯量数据;执行模块2300,用于根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式辨识所述目标关节的柔性参数。
上述机器人柔性参数的获取装置在固定辅助关节的条件下测量目标关节的运动信息,并通过预设的柔性动力学状态表达式将电机数据和惯量数据作为中间变量,该方法不需要传感器设备就可以辨识出机器人的柔性参数,不仅方法简单,适用范围广,还节省了成本。
在一些实施方式中,所述获取模块包括:第一处理子模块,用于当所述辅助关节在所述预设位置保持固定时,向控制所述目标关节运动的电机下发激励轨迹,以使所述目标关节按照预设轨迹运动;第二处理子模块,用于按照预设的采样周期采集所述目标关节运动时的电机数据。
在一些实施方式中,所述处理模块包括:第一执行子模块,用于将所述位置信息输入到预设的惯量计算公式中得到所述目标关节的惯量数据。
在一些实施方式中,还包括:第一获取子模块,用于获取预设的状态表达式中包含的状态参数;第三处理子模块,用于对预设的机器人目标关节的柔性动力学模型和刚性动力学模型进行转换、微分得到所述状态参数的表达式;第二执行子模块,用于将所述状态参数的表达式代入到所述状态表达式中得到所述柔性动力学状态表达式。
在一些实施方式中,还包括:第四处理子模块,用于对机器人刚性动力学表达式进行改进得到柔性动力学模型的表达式,其中,所述柔性动力学模型包括所述机器人的重力矩;第二获取子模块,用于从所述柔性动力学模型的表达式中提取所述目标关节的柔性动力学模型。
在一些实施方式中,所述执行模块还包括:第五处理子模块,用于将所述惯量数据和所述电机数据输入到预设的柔性动力学状态表达式中;第三执行子模块,用于采用预设的模型辨识算法对所述柔性动力学状态表达式进行辨识得到所述目标关节的电机惯量、刚性系数和阻尼系数。
在一些实施方式中,还包括:第六处理子模块,用于当辨识到所述目标关节的多个柔性参数时,对所述多个柔性参数进行加权运算得到所述目标关节的目标柔性参数,其中,所述多个柔性参数是在与所述目标关节连接的关节的位置均不同的条件下得到的。
为解决上述技术问题,本发明实施例还提供计算机设备。具体请参阅图8,图8为本实施例计算机设备基本结构框图。
如图8所示,计算机设备的内部结构示意图。如图8所示,该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种机器人柔性参数获取方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种机器人柔性参数获取方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本实施方式中处理器用于执行图7中获取模块2100、处理模块2200和执行模块2300的具体内容,存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有机器人柔性参数获取方法中执行所有子模块所需的程序代码及数据,服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
计算机设备通过在固定辅助关节的条件下测量目标关节的运动信息,并通过预设的柔性动力学状态表达式将电机数据和惯量数据作为中间变量,该方法不需要传感器设备就可以辨识出机器人的柔性参数,不仅方法简单,适用范围广,还节省了成本。
本发明还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述任一实施例所述机器人柔性参数获取方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种机器人柔性参数的获取方法,其特征在于,包括下述步骤:
获取机器人目标关节按照预设轨迹运动时的运动信息,其中,所述目标关节运动时与所述目标关节连接的辅助关节在预设位置保持固定,所述运动信息包括所述目标关节和所述辅助关节的位置信息和电机数据;
根据所述位置信息计算所述目标关节的惯量数据;
根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式辨识所述目标关节的柔性参数;
其中,所述根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式中辨识所述目标关节的柔性参数之前,还包括:
获取预设的状态表达式中包含的状态参数;
对预设的机器人目标关节的刚性动力学模型和柔性动力学模型进行转换、微分得到所述状态参数的表达式;
将所述状态参数的表达式代入到所述状态表达式中得到所述柔性动力学状态表达式。
2.根据权利要求1所述的柔性参数的获取方法,其特征在于,所述获取机器人目标关节按照预设轨迹运动时的运动信息,包括:
当所述辅助关节在所述预设位置保持固定时,向控制所述目标关节运动的电机下发激励轨迹,以使所述目标关节按照预设轨迹运动;
按照预设的采样周期采集所述目标关节运动时的电机数据。
3.根据权利要求2所述的柔性参数的获取方法,其特征在于,所述根据所述位置信息计算所述目标关节的惯量数据,包括:
将所述位置信息输入到预设的惯量计算公式中得到所述目标关节的惯量数据。
4.根据权利要求1所述的柔性参数的获取方法,其特征在于,所述对预设的机器人目标关节的刚性动力学模型和柔性动力学模型进行转换、微分得到所述状态参数的表达式之前,还包括:
对机器人刚性动力学表达式进行改进得到柔性动力学模型的表达式,其中,所述柔性动力学模型包括所述机器人的重力矩;
从所述柔性动力学模型的表达式中提取所述目标关节的柔性动力学模型。
5.根据权利要求1所述的柔性参数的获取方法,其特征在于,所述根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式中辨识所述目标关节的柔性参数,包括:
将所述惯量数据和所述电机数据输入到预设的柔性动力学状态表达式中;
采用预设的模型辨识算法对所述柔性动力学状态表达式进行辨识得到所述目标关节的电机惯量、刚性系数和阻尼系数。
6.根据权利要求1所述的柔性参数的获取方法,其特征在于,所述根据所述惯量数据和所述电机数据在预设的柔性动力学模型中辨识所述目标关节的柔性参数之后,还包括:
当辨识到所述目标关节的多个柔性参数时,对所述多个柔性参数进行加权运算得到所述目标关节的目标柔性参数,其中,所述多个柔性参数是在与所述目标关节连接的关节的位置均不同的条件下得到的。
7.一种机器人柔性参数的获取装置,其特征在于,包括:
获取模块,用于获取机器人目标关节按照预设轨迹运动时的运动信息,其中,所述目标关节运动时与所述目标关节连接的辅助关节在预设位置保持固定,所述运动信息包括所述目标关节和所述辅助关节的位置信息和电机数据;
处理模块,用于根据所述位置信息计算所述目标关节的惯量数据;
执行模块,用于根据所述惯量数据和所述电机数据在预设的柔性动力学状态表达式辨识所述目标关节的柔性参数;
其中,所述装置还包括:第一获取子模块,用于获取预设的状态表达式中包含的状态参数;第三处理子模块,用于对预设的机器人目标关节的柔性动力学模型和刚性动力学模型进行转换、微分得到所述状态参数的表达式;第二执行子模块,用于将所述状态参数的表达式代入到所述状态表达式中得到所述柔性动力学状态表达式。
8.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项权利要求所述的机器人柔性参数的获取方法的步骤。
9.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至6中任一项权利要求所述的机器人柔性参数的获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911251795.2A CN111055277B (zh) | 2019-12-09 | 2019-12-09 | 机器人柔性参数获取方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911251795.2A CN111055277B (zh) | 2019-12-09 | 2019-12-09 | 机器人柔性参数获取方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111055277A CN111055277A (zh) | 2020-04-24 |
CN111055277B true CN111055277B (zh) | 2023-06-06 |
Family
ID=70300463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911251795.2A Active CN111055277B (zh) | 2019-12-09 | 2019-12-09 | 机器人柔性参数获取方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111055277B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111715738B (zh) * | 2020-06-18 | 2022-03-25 | 深圳市汇川技术股份有限公司 | 轴动作组态方法、装置、设备及计算机可读存储介质 |
CN116494252A (zh) * | 2023-06-26 | 2023-07-28 | 佛山隆深机器人有限公司 | 重复定位精度的校准方法、装置、机器设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4148189B2 (ja) * | 2004-06-14 | 2008-09-10 | トヨタ自動車株式会社 | 柔軟関節ロボットアームの制御装置 |
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 |
CN107703756B (zh) * | 2017-11-03 | 2021-03-02 | 广州视源电子科技股份有限公司 | 动力学模型参数辨识方法、装置、计算机设备及存储介质 |
CN108638070A (zh) * | 2018-05-18 | 2018-10-12 | 珞石(山东)智能科技有限公司 | 基于动态平衡的机器人负载重力参数辨识方法 |
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 |
CN109664298B (zh) * | 2018-12-26 | 2021-04-23 | 深圳市越疆科技有限公司 | 机器人动力学参数辨识方法、装置、终端设备及存储介质 |
CN110053049B (zh) * | 2019-04-22 | 2021-06-29 | 珠海格力智能装备有限公司 | 机器人轨迹精度的确定方法及装置、工业机器人 |
-
2019
- 2019-12-09 CN CN201911251795.2A patent/CN111055277B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111055277A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230252288A1 (en) | Reinforcement learning using distributed prioritized replay | |
CN111055277B (zh) | 机器人柔性参数获取方法、装置、计算机设备及存储介质 | |
US20210201156A1 (en) | Sample-efficient reinforcement learning | |
US9407706B2 (en) | Methods, devices, and apparatuses for activity classification using temporal scaling of time-referenced features | |
US10635944B2 (en) | Self-supervised robotic object interaction | |
US20130275059A1 (en) | Hybrid virtual load monitoring system and method | |
EP3698284A1 (en) | Training an unsupervised memory-based prediction system to learn compressed representations of an environment | |
CN111113486B (zh) | 机械臂的性能测试方法、装置、计算机设备及存储介质 | |
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 | |
US20210118086A1 (en) | Robot and method for correcting position of same | |
CN107423515A (zh) | 机械臂摩擦辨识方法、装置、设备及存储介质 | |
CN115906641A (zh) | 一种基于深度学习的imu陀螺仪随机误差补偿方法及装置 | |
Arezoo et al. | A symmetric cable-pulley based mechanism for gravity compensation of robotic manipulators: Static and dynamic analysis | |
CN114358419A (zh) | 位姿预测方法、位姿预测装置、存储介质与电子设备 | |
Tang et al. | Study of IMU installation position for posture estimation of excavators | |
Rabideau | Field Measurement of Human Performance in Man—Machine Systems | |
KR101688808B1 (ko) | 디지털 운행 기록 검증 방법 | |
Bahrpeyma et al. | Application of Reinforcement Learning to UR10 Positioning for Prioritized Multi-Step Inspection in NVIDIA Omniverse | |
CN111536968B (zh) | 确定路侧感知设备的动态姿态的方法和装置 | |
Eltoshkina et al. | Evaluation of the limit properties of a solid body system | |
CN113686335B (zh) | 通过一维卷积神经网用imu数据进行精确室内定位的方法 | |
KR102607486B1 (ko) | 로봇팔의 진동 노이즈 제거 방법 및 장치 | |
Afshar et al. | Tennis ball trajectory estimation using GA-based fuzzy adaptive nonlinear observer | |
CN117697747A (zh) | 一种基于机理先验的工业机器人能耗建模预测及优化方法 | |
US20240096077A1 (en) | Training autoencoders for generating latent representations |
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 |