CN113910229B - 负载参数识别方法、识别装置、可读存储介质和机器人 - Google Patents

负载参数识别方法、识别装置、可读存储介质和机器人 Download PDF

Info

Publication number
CN113910229B
CN113910229B CN202111197596.5A CN202111197596A CN113910229B CN 113910229 B CN113910229 B CN 113910229B CN 202111197596 A CN202111197596 A CN 202111197596A CN 113910229 B CN113910229 B CN 113910229B
Authority
CN
China
Prior art keywords
load
robot
model
parameters
dynamic model
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
Application number
CN202111197596.5A
Other languages
English (en)
Other versions
CN113910229A (zh
Inventor
吕雷
乔正
余芳勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KUKA Robot Manufacturing Shanghai Co Ltd
Original Assignee
KUKA Robot Manufacturing Shanghai Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by KUKA Robot Manufacturing Shanghai Co Ltd filed Critical KUKA Robot Manufacturing Shanghai Co Ltd
Priority to CN202111197596.5A priority Critical patent/CN113910229B/zh
Publication of CN113910229A publication Critical patent/CN113910229A/zh
Application granted granted Critical
Publication of CN113910229B publication Critical patent/CN113910229B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明提出了一种负载参数识别方法、识别装置、可读存储介质和机器人，其中，负载参数识别方法，机器人包括本体，本体能够装载负载，本体用于带动负载运动，包括：获取机器人的第一动力学模型和第二动力学模型，其中，第一动力学模型为本体的动力学模型，第二动力学模型为装载有负载的本体的动力学模型；根据第一动力学模型和第二动力学模型，确定第三动力学模型，其中，第三动力学模型为负载的动力学模型；根据第三动力学模型中的动力学参数控制机器人运行；采集机器人运动过程中的运动参数；根据运动参数识别负载的负载参数。本发明提高了对机器人负载参数辨识的精度。

Description

负载参数识别方法、识别装置、可读存储介质和机器人
技术领域
本发明属于机器人技术领域，具体而言，涉及一种负载参数识别方法、识别装置、可读存储介质和机器人。
背景技术
机器人的动力学模型通常包含三部分参数：连杆动力学参数，摩擦参数，负载动力学参数。负载往往由多个零部件组成，每个零部件的材料属性难以精准确定，导致现有技术中对负载的动力学参数的辨识精度低。
发明内容
本发明旨在解决现有技术或相关技术中存在的技术问题之一。
为此，本发明的第一方面提出了一种负载参数识别方法。
本发明的第二方面提出了一种负载参数识别装置。
本发明的第三方面提出了一种负载参数识别装置。
本发明的第四方面提出了一种可读存储介质。
本发明的第五方面提出了一种机器人。
有鉴于此，根据本发明的第一方面提出一种负载参数识别方法，机器人包括本体，本体能够装载负载，本体用于带动负载运动，包括：获取机器人的第一动力学模型和第二动力学模型，其中，第一动力学模型为本体的动力学模型，第二动力学模型为装载有负载的本体的动力学模型；根据第一动力学模型和第二动力学模型，确定第三动力学模型，其中，第三动力学模型为负载的动力学模型；根据第三动力学模型中的动力学参数控制机器人运行；采集机器人运动过程中的运动参数；根据运动参数识别负载的负载参数。
本发明提供负载参数识别方法用于对装载在机器人上的负载的动力学参数进行识别。其中，机器人包括本体，本体中设置有机械臂等结构，机械臂能够夹装负载，本体运行过程中能够带动负载运动。在对机器人本体进行控制的过程中，需要先获取负载参数，即负载的动力学参数。
在获取负载的动力学参数的过程中，建立机器人本体的第一动力学模型，并建立装载有负载的机器人本体的第二动力学模型。由于第一动力学模型为机器人本体的动力学模型，而第二动力学模型为本体及负载的动力学模型，因此根据第一动力学模型和第二动力学模型能够得到的第三动力学模型为负载对应的动力学模型。提取第三动力学模型中的动力学参数，根据动力学参数控制机器人运行，在机器人根据第三动力学模型中的动力参数运行过程中，采集机器人的运动参数。并根据机器人的运动参数确定负载的负载参数，即负载的动力学参数。
具体来说，在确定负载的第三动力学模型后，根据第三动力学模型中的各个动力学参数，对机器人本体的运行轨迹进行规划。控制机器人在装载有负载的情况下，以及未装载有负载的情况下按照设定轨迹运行，并且对机器人在两种不同情况下的运动参数进行采集，通过对采集得到的运动参数进行识别分析，能够得到负载的动力学参数。
在一些实施例中，机器人为四连杆机器人，基于牛顿-欧拉动力学方程并结合机器人的集合参数，建立机器人的第一动力学模型以及第二动力学模型。
第一动力学模型如下：
Figure BDA0003303653820000021
其中，τR是机器人的关节驱动力矩矢量，
Figure BDA0003303653820000022
为第一惯性项，D(q)为第一惯性矩阵，
Figure BDA0003303653820000023
为机器人各关节加速度矢量，
Figure BDA0003303653820000024
为第一科氏力矩阵，q为关节位置矢量，
Figure BDA0003303653820000025
为关节速度矢量；G(q)为第一重力项。
第二动力学模型如下：
Figure BDA0003303653820000026
其中，τR+load是机器人的带有关节驱动力矩矢量，
Figure BDA0003303653820000027
为第二惯性项，D(q)’为第二惯性矩阵，
Figure BDA0003303653820000028
为机器人各关节加速度矢量，
Figure BDA0003303653820000029
为第二科氏力矩阵，q为关节位置矢量，
Figure BDA00033036538200000210
为关节速度矢量；G(q)’为第二重力项。
在这些实施例中，建立四连杆机器人的第一动力学模型，将机器人的负载作为机器人的第五连杆，建立机器人的第二动力学模型。
值得说明的是，机器人可选为其他数量的多连杆机器人。通过建立机器人的全部连杆的动力学模型，能够得到机器人的第一动力学模型。将机器人的负载作为机器人的单独连杆，并建立机器人全部连杆以及负载等效的单独连杆的第二动力学模型。将第二动力模型与第一动力学模型进行减法计算，能够得到第三动力学模型。由于第二动力学模型相较于第一动力学模型中多出机器人的负载，因此第三动力学模型为机器人装载的负载的动力学模型。
本发明通过将负载作为机器人的附加的固定连杆建立第二动力学模型，以及单独建立机器人的第一动力学模型。根据第二动力学模型和第一动力学模型能够得到负载的动力学模型，通过对负载的动力学模型进行分析确定机器人的运行轨迹，并控制机器人按照运行轨迹运行，从而对机器人装载的负载的动力学参数进行辨识，提高了对机器人负载参数辨识的精度。
值得说明的是，复杂的负载往往由多个零部件组成，每个零部件的材料属性难以精准确定，而本申请直接通过机器人带动负载运行，从而对负载参数进行确定，无需提前获取负载各个零部件的材料属性，简化了确定负载参数的流程，还提高了获取负载参数的准确性。
另外，根据本发明提供的上述技术方案中的负载参数识别方法，还可以具有如下附加技术特征：
在一种可能的设计中，根据第一动力学模型和第二动力学模型，确定第三动力学模型，包括：分别对第一动力学模型和第二动力学模型进行线性化处理，以得到第一最小参数集模型和第二最小参数集模型；通过第一最小参数集模型和第二最小参数集模型，确定第三动力学模型。
在该设计中，将第一动力学模型线性化为第一最小参数集模型，并将第二动力学线性化为第二最小参数集模型。其中，第一最小参数集模型为本体的最小参数集模型，第二最小参数集模型为本体及负载的最小参数集模型。
第一最小参数集如下：
Figure BDA0003303653820000041
其中，a1为机器人中第一连杆的长度，a2为机器人中第二连杆的长度，mrx4为第四连杆的质量与质心坐标x轴分量的乘积，mry4为第四连杆的质量与质心坐标y轴分量的乘积，mrx3为第三连杆的质量与质心坐标x轴分量的乘积，mrx2为第二连杆的质量与质心坐标x轴分量的乘积，mry2为第二连杆的质量与质心坐标y轴分量的乘积，mry3为第三连杆的质量与质心坐标y轴分量的乘积，m2为第二连杆的质量，m3为第三连杆的质量，m4为第四连杆的质量，Izz1为第一连杆惯性矩阵的参数，Izz2为第二连杆惯性矩阵的参数，Izz3为第三连杆惯性矩阵的参数，Izz4为第四连杆惯性矩阵的参数。
第二最小参数集如下：
Figure BDA0003303653820000042
其中，m5为第五连杆的质量，Izz5为第五连杆惯性矩阵的参数，mrx5为第五连杆的质量与质心坐标x轴分量的乘积，mry5为第五连杆的质量与质心坐标x轴分量的乘积。
可以理解的是，机器人的第五连杆为负载等效的附加连杆线性化，确定第二动力学模型，并结合第二最小参数集能够得到第二最小参数集模型。
本发明通过对第一动力学模型线性化，以确定第一最小参数集，从而得到第一最小参数集模型。并对第二动力学模型线性化，以确定第二最小参数集，从而得到第二最小参数集模性，通过将对第一最小参数集模型和第二最小参数集模型进行分析处理，能够确定第三最小参数集模型。根据第三最小参数集模型嫩进行分析能够确定机器人的运行轨迹，并据此控制机器人运行，从而对第二最小参数集中的参数进行确定，提高了负载参数获取的准确性。
在一种可能的设计中，通过第一最小参数集模型和第二最小参数集模型，确定第三动力学模型，包括：将第二最小参数集模型与第一最小参数集模型进行差值计算，以得到第三动力学模型。
在该设计中，通过将第二最小参数集模型以及第一最小参数集模型做减法运算，能够确定第三动力学模型，第三动力学模型为负载的最小参数集动力学方程，第三动力学模型如下：
Figure BDA0003303653820000051
其中，τR是机器人的关节驱动力矩矢量，τR+load是机器人的带有关节驱动力矩矢量，Izz5为第五连杆惯性矩阵的参数，mrx5为第五连杆的质量与质心坐标x轴分量的乘积，mry5为第五连杆的质量与质心坐标x轴分量的乘积，m5为第五连杆的质量，
Figure BDA0003303653820000052
为负载的关节加速度矢量，g为动力加速度，qn为第n连杆的关节位置矢量，
Figure BDA0003303653820000053
为第n连杆的关节速度矢量，
Figure BDA0003303653820000054
为第n连杆的关节加速度矢量，n为1、2、3、4、5。
可以理解的是，上述公式适用于四连杆式机器人，第五连杆的相关参数为负载参数，第三动力学方程的括号内的参数为通过采集得到数据，括号前的组合体参数为第三动力学方程带求解。
第一最小参数集模型为第一动力学参数模型线性化得到的，且第一动力学模型为机器人本体对应的动力学模型，第二最小参数集模型为第二动力学模型线性化得到的，且第二动力学模型为机器人本体即负载对应的动力学模型。通过第二最小参数集模型减第一最小参数集模型确定的第三动力学模型为负载对应的动力学模型。本发明通过利用两个最小参数集模型进行减法运行，得到与负载相关的动力学模型，提高了得到的动力学模型的准确性，进而保证了后续获取的负载参数的准确性。
在一种可能的设计中，根据第三动力学模型中的动力学参数控制机器人运行，包括：根据第三动力学模型中的动力学参数，规划机器人的运动轨迹；按照运动轨迹，控制机器人运行。
在该设计中，对第三动力学模型中的动力学参数进行提取，根据不同的动力学参数能够对机器人的运行规划不同的运动轨迹。控制机器人以运动轨迹运行，在运行过程中采集机器人的运动参数，并根据运动参数确定相应的负载参数。
本发明通过动力学参数对机器人整体的运行轨迹进行规划。在机器人以运动轨迹运行的过程中，采集机器人运动过程中的运动参数，并对运动参数进行分析处理，能够准确得到机器人的负载参数。
可以理解的是，根据第三动力学模型中需要采集的参数，对机器人的运行进行控制，能够保证在机器人运行过程中，能够准确采集相应的动力学参数，并据此准确计算得到相应的负载参数。
在一种可能的设计中，按照运动轨迹，控制机器人运行，包括：根据第三动力学模型中的动力学参数，确定机器人的运动关节和静止关节；控制静止关节保持静止，控制运动关节按照运动轨迹运行。
在该设计中，为了提高机器人运行过程中采集各个参数的准确性，需要根据动力学参数对机器人运动过程中各个关节的运动状态进行规划。具体来说，根据动力学参数确定机器人运行过程中，机器人处于运动状态的运动关节，以及处于静止状态的静止关节。在控制机器人运行过程中，保持静止关节处于静止状态，并控制运动关节运动。从而对运动过程中的数据进行采集。
本发明不仅根据动力学参数对运动轨迹进行规划，还对各个不同关节的运动状态进行规划。根据各个关节的运动状态和运动轨迹控制机器人运行，提高了机器人运行过程中采集到的运动参数的准确性。
在一种可能的设计中，控制运动关节按照运动轨迹运行，包括：按照运动轨迹，控制机器人分别以空载状态和负载状态运行。
在该设计中，机器人的空载状态为机器人未装载有负载的状态，机器人的负载状态为机器人装载有负载的状态。根据运动轨迹控制机器人运行的过程中，需要控制机器人在装载有负载的状态下运行，以及控制机器人在未装载有负载的状态下运行，并对两次运行过程中的运动参数进行采集。由于两次运行过程中机器人分别处于装载负载的状态和未装载负载的状态，因此通过两次采集到的运动参数进行分析，能够准确地确定负载参数。
本发明通过控制机器人的运动关节在不同状态下运行，并根据不同运行状态下采集的运动参数确定负载参数，提高了负载参数识别的准确性。
在一种可能的设计中，采集机器人运动过程中的运动参数，包括：采集机器人处于空载状态和负载状态下的力矩参数；根据力矩参数确定运动参数。
在该设计中，在机器人运行过程中，采集机器人各个连杆的管接的力矩参数。通过对机器人处于空载状态运行的力矩参数(以下简称第一力矩参数)，以及机器人处于负载状态运行的力矩参数(以下简称第二力矩参数)进行计算处理，能够得到机器人的运动参数。其中，第一力矩参数为机器人本体运行过程中的力矩参数，第二力矩参数为机器人带动负载运行过程中的力矩参数，通过第一力矩参数和第二力矩参数计算分析得到的运行参数能够反映出负载对机器人运动过程中的力矩的影响，因此通过第一力矩参数和第二力矩参数对运行参数进行确定。
本发明通过对处于不同状态下的机器人的力矩参数进行采集，并通过两个力矩参数确定运动参数，使运动参数能够准确反映负载对机器人运行过程的影响，从而提高了根据运行参数得到的负载参数的准确性。
在一种可能的设计中，力矩参数包括空载力矩和负载力矩，根据空载力矩和负载力矩确定运动参数，包括：将负载力矩和空载力矩进行差值计算，以得到运动参数。
在该设计中，力矩参数包括机器人处于空载状态运行的力矩参数，即空载力矩，以及机器人处于负载状态运行的力矩参数，即负载力矩。空载力矩为机器人本体运行过程中的力矩参数，负载力矩为机器人带动负载运行过程中的力矩参数，通过空载力矩和负载力矩计算分析得到的运行参数能够反映出负载对机器人运动过程中的力矩的影响，因此通过将负载力矩以及空载记录进行减法运算，以确定与负载相关的运动参数。
本发明通过对处于不同状态下的机器人的力矩参数进行采集，并通过对空载力矩以及负载力矩进行剪发运算确定运动参数，使运动参数能够准确反映负载对机器人运行过程的影响，从而提高了根据运行参数得到的负载参数的准确性。
在一种可能的设计中，采集机器人处于空载状态和负载状态下的力矩参数，包括：采集运动关节的驱动电流值；根据驱动电流值，确定运动关节的力矩参数。
在该设计中，机器人的各个关节均通过驱动件驱动运行，通过设置电流采集装置对驱动件处的电流进行采集，以得到对应关节的驱动电流值。根据驱动电流值能够准确确定相应的力矩参数。
可以理解的是，在驱动机器人的关节运动过程中，随着输入的驱动电流的增大，关节运动的力矩随之增大，因此通过采集得到的驱动电流能够对力矩参数进行准确判定。
在一些实施例中，按照力矩参数与驱动电流的对应关系，根据采集到的驱动电流确定力矩参数。
在这些实施例中，力矩参数与驱动电流的对应关系通过大量实验得到。
在另外一些实施例中，将采集到的驱动电流代入到相应的计算公式中进行计算，以得到力矩参数。
在一种可能的设计中，负载参数包括：负载的质量参数、负载的质心参数中一种或组合。
在该设计中，根据第三动力学模型中的不同的动力学参数规划的不同运动轨迹，按照不同的运动轨迹控制机器人运行，在运行过程中采集不同的运动参数，能够对负载质量参数、负载惯性参数和负载质心参数进行确定，从而得到完整且准确的负载参数。
在一些实施中，获取负载的质量参数的过程中，即获取第三动力学模型中的m5。
在这些实施例中，将机器人中的第一连杆、第二连杆和第四连杆的关节设置为静止关节，并且将机器人的第三连杆的关节设置为运动关节。控制第三连杆的关节做匀加速运动。采集第三连杆的关节处的驱动电流值，经过滤波等处理转化成力矩参数。通过带负载和不带负载两次运动，以得到空载力矩和负载力矩，通过将空载力矩与负载力矩进行减法运算，求得第三连杆的关节力矩差值，对应方程
Figure BDA0003303653820000081
然后采集运动过程中的多组数据，采用最小二乘法求解方程即可得到负载质量参数。
在一些实施例中，获取负载在质心坐标Z轴方向的惯量参数，即获取第三动力学模型中的IZZ5。
在这些实施例中，将机器人中的第一连杆、第二连杆和第三连杆的关节设置为静止关节，并且将机器人的第四连杆的关节设置为运动关节。控制第四连杆的关节做匀加速运动。采集第四连杆的关节处的驱动电流值，经过滤波等处理转化成力矩参数。通过带负载和不带负载两次运动，以得到空载力矩和负载力矩，通过将空载力矩与负载力矩进行减法运算，求得第四连杆的关节力矩差值，对应方程
Figure BDA0003303653820000091
然后采集运动过程中的多组数据，采用最小二乘法求解方程即可得到负载在质心坐标Z轴方向的惯量参数。
在一些实施例中，获取负载的质心质量组合参数，即获取第三动力学模型中的mrx5，mry5。
在这些实施例中，将机器人中的第一连杆和第三连杆的关节设置为静止关节，并且将机器人的第二连杆和第四连杆的关节设置为运动关节。控制第四连杆的关节做匀速运动。采集第四连杆的关节处的驱动电流值，经过滤波等处理转化成力矩参数。通过带负载和不带负载两次运动，以得到空载力矩和负载力矩，通过将空载力矩与负载力矩进行减法运算，求得第四连杆的关节力矩差值，对应方程
Figure BDA0003303653820000092
然后采集运动过程中的多组数据，采用最小二乘法求解方程即可得到负载的质心质量组合参数。
可以理解的是，通过获取负载的质量参数，并根据质量参数，以及质量质心的组合参数，能够计算得到负载的质心参数，即第三动力学模型中的rx5，ry5。
根据本发明第二方面提出了一种负载参数识别装置，包括：获取模块，用于获取机器人的第一动力学模型和第二动力学模型，其中，第一动力学模型为本体的第一动力学模型，第二动力学模型为本体和负载的动力学模型；确定模块，用于根据第一动力学模型和第二动力学模型，确定第三动力学模型，其中，第三动力学模型为负载的动力学模型；控制模块，用于根据第三动力学模型中控制机器人运行；采集模块，用于采集机器人运动过程中的运动参数；识别模块，用于根据运动参数识别负载的负载参数。
本发明提供负载参数识别装置用于对装载在机器人上的负载的动力学参数进行识别。其中，机器人包括本体，本体中设置有机械臂等结构，机械臂能够夹装负载，本体运行过程中能够带动负载运动。在对机器人本体进行控制的过程中，需要先获取负载参数，即负载的动力学参数。
在获取负载的动力学参数的过程中，建立机器人本体的第一动力学模型，并建立装载有负载的机器人本体的第二动力学模型。由于第一动力学模型为机器人本体的动力学模型，而第二动力学模型为本体及负载的动力学模型，因此根据第一动力学模型和第二动力学模型能够得到的第三动力学模型为负载对应的动力学模型。提取第三动力学模型中的动力学参数，根据动力学参数控制机器人运行，在机器人根据第三动力学模型中的动力参数运行过程中，采集机器人的运动参数。并根据机器人的运动参数确定负载的负载参数，即负载的动力学参数。
具体来说，在确定负载的第三动力学模型后，根据第三动力学模型中的各个动力学参数，对机器人本体的运行轨迹进行规划。控制机器人在装载有负载的情况下，以及未装载有负载的情况下按照设定轨迹运行，并且对机器人在两种不同情况下的运动参数进行采集，通过对采集得到的运动参数进行识别分析，能够得到负载的动力学参数。
在一些实施例中，机器人为四连杆机器人，基于牛顿-欧拉动力学方程并结合机器人的集合参数，建立机器人的第一动力学模型以及第二动力学模型。
第一动力学模型如下：
Figure BDA0003303653820000101
其中，τR是机器人的关节驱动力矩矢量，
Figure BDA0003303653820000102
为第一惯性项，D(q)为第一惯性矩阵，
Figure BDA0003303653820000103
为机器人各关节加速度矢量，
Figure BDA0003303653820000104
为第一科氏力矩阵，q为关节位置矢量，
Figure BDA0003303653820000105
为关节速度矢量；G(q)为第一重力项。
第二动力学模型如下：
Figure BDA0003303653820000106
其中，τR+load是机器人的带有关节驱动力矩矢量，
Figure BDA0003303653820000107
为第二惯性项，D(q)’为第二惯性矩阵，
Figure BDA0003303653820000108
为机器人各关节加速度矢量，
Figure BDA0003303653820000109
为第二科氏力矩阵，q为关节位置矢量，
Figure BDA00033036538200001010
为关节速度矢量；G(q)’为第二重力项。
在这些实施例中，建立四连杆机器人的第一动力学模型，将机器人的负载作为机器人的第五连杆，建立机器人的第二动力学模型。
值得说明的是，机器人可选为其他数量的多连杆机器人。通过建立机器人的全部连杆的动力学模型，能够得到机器人的第一动力学模型。将机器人的负载作为机器人的单独连杆，并建立机器人全部连杆以及负载等效的单独连杆的第二动力学模型。将第二动力模型与第一动力学模型进行减法计算，能够得到第三动力学模型。由于第二动力学模型相较于第一动力学模型中多出机器人的负载，因此第三动力学模型为机器人装载的负载的动力学模型。
本发明通过将负载作为机器人的附加的固定连杆建立第二动力学模型，以及单独建立机器人的第一动力学模型。根据第二动力学模型和第一动力学模型能够得到负载的动力学模型，通过对负载的动力学模型进行分析确定机器人的运行轨迹，并控制机器人按照运行轨迹运行，从而对机器人装载的负载的动力学参数进行辨识，提高了对机器人负载参数辨识的精度。
值得说明的是，复杂的负载往往由多个零部件组成，每个零部件的材料属性难以精准确定，而本申请直接通过机器人带动负载运行，从而对负载参数进行确定，无需提前获取负载各个零部件的材料属性，简化了确定负载参数的流程，还提高了获取负载参数的准确性。
根据本发明第三方面提出了一种负载参数识别装置，包括：存储器，存储器中存储有程序或指令；处理器，处理器执行存储在存储器中的程序或指令以实现如第一方面中任一可能设计中的负载参数识别方法的步骤，因而具有上述第一方面中任一可能设计中的负载参数识别方法的全部有益技术效果，在此不再做过多赘述。
根据本发明第四方面提出了一种可读存储介质，可读存储介质上存储有程序或指令，程序或指令被处理器执行时实现如上述第一方面中任一可能设计中的负载参数识别方法的步骤。因而具有上述第一方面中任一可能设计中的负载参数识别方法的全部有益技术效果，在此不再做过多赘述。
根据本发明第五方面提出了一种机器人，包括：如上述第二方面或第三方面中限定的负载参数识别装置，和/或上述第四方面中限定的可读存储介质，因而具有上述第二方面或第三方面中负载参数识别装置和上述第四方面中限定的可读存储介质的全部有益技术效果，在此不再做过多赘述。
另外，根据本发明提供的上述技术方案中的机器人，还可以具有如下附加技术特征：
在一种可能的设计中，机器人还包括：本体，本体包括至少两个关节和装载件，装载件与至少两个关节相连接，装载件用于装载负载。
在该设计中，机器人包括本体，本体内设置有多个关节和装载件，装载件能够将负载装载到机器人的本体上。
本发明的附加方面和优点将在下面的描述部分中变得明显，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示出了本发明的第一个实施例中的负载参数识别方法的示意流程图之一；
图2示出了本发明的第一个实施例中的负载参数识别方法的示意流程图之二；
图3示出了本发明的第一个实施例中的负载参数识别方法的示意流程图之三；
图4示出了本发明的第一个实施例中的负载参数识别方法的示意流程图之四；
图5示出了本发明的第一个实施例中的负载参数识别方法的示意流程图之五；
图6示出了本发明的第一个实施例中的负载参数识别方法的示意流程图之六；
图7示出了本发明的第二个实施例中的负载参数识别装置的结构框图；
图8示出了本发明的第三个实施例中的负载参数识别装置的结构框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图8描述根据本发明一些实施例的一种烹饪装置、一种负载参数识别方法、一种负载参数识别装置和一种可读存储介质。
实施例一：
如图1所示，本发明的第一个实施例中提供了一种负载参数识别方法，机器人包括能够装载负载的本体，本体能够带动负载运动，
负载参数识别方法包括：
步骤102，建立机器人的第一动力学模型，以及第二动力学模型；
步骤104，对第一动力学模型，以及第二动力学模型处理分析，以得到第三动力学模型；
步骤106，提取第三动力学模型中的动力学参数；
步骤108，根据动力学参数，对机器人的运行进行控制；
步骤110，在机器人运行过程中，采集机器人的运动参数；
步骤112，通过运动参数对负载的负载参数进行辨识。
本实施例提供的负载参数识别方法用于对装载在机器人上的负载的动力学参数进行识别。其中，机器人包括本体，本体中设置有机械臂等结构，机械臂能够夹装负载，本体运行过程中能够带动负载运动。在对机器人本体进行控制的过程中，需要先获取负载参数，即负载的动力学参数。
在获取负载的动力学参数的过程中，建立机器人本体的第一动力学模型，并建立装载有负载的机器人本体的第二动力学模型。由于第一动力学模型为机器人本体的动力学模型，而第二动力学模型为本体及负载的动力学模型，因此根据第一动力学模型和第二动力学模型能够得到的第三动力学模型为负载对应的动力学模型。提取第三动力学模型中的动力学参数，根据动力学参数控制机器人运行，在机器人根据第三动力学模型中的动力参数运行过程中，采集机器人的运动参数。并根据机器人的运动参数确定负载的负载参数，即负载的动力学参数。
具体来说，在确定负载的第三动力学模型后，根据第三动力学模型中的各个动力学参数，对机器人本体的运行轨迹进行规划。控制机器人在装载有负载的情况下，以及未装载有负载的情况下按照设定轨迹运行，并且对机器人在两种不同情况下的运动参数进行采集，通过对采集得到的运动参数进行识别分析，能够得到负载的动力学参数。
在一些实施例中，机器人为四连杆机器人，基于牛顿-欧拉动力学方程并结合机器人的集合参数，建立机器人的第一动力学模型以及第二动力学模型。
第一动力学模型如下：
Figure BDA0003303653820000141
其中，τR是机器人的关节驱动力矩矢量，
Figure BDA0003303653820000142
为第一惯性项，D(q)为第一惯性矩阵，
Figure BDA0003303653820000143
为机器人各关节加速度矢量，
Figure BDA0003303653820000144
为第一科氏力矩阵，q为关节位置矢量，
Figure BDA0003303653820000145
为关节速度矢量；G(q)为第一重力项。
第二动力学模型如下：
Figure BDA0003303653820000146
其中，τR+load是机器人的带有关节驱动力矩矢量，
Figure BDA0003303653820000147
为第二惯性项，D(q)’为第二惯性矩阵，
Figure BDA0003303653820000148
为机器人各关节加速度矢量，
Figure BDA0003303653820000149
为第二科氏力矩阵，q为关节位置矢量，
Figure BDA00033036538200001410
为关节速度矢量；G(q)’为第二重力项。
在这些实施例中，建立四连杆机器人的第一动力学模型，将机器人的负载作为机器人的第五连杆，建立机器人的第二动力学模型。
值得说明的是，机器人可选为其他数量的多连杆机器人。通过建立机器人的全部连杆的动力学模型，能够得到机器人的第一动力学模型。将机器人的负载作为机器人的单独连杆，并建立机器人全部连杆以及负载等效的单独连杆的第二动力学模型。将第二动力模型与第一动力学模型进行减法计算，能够得到第三动力学模型。由于第二动力学模型相较于第一动力学模型中多出机器人的负载，因此第三动力学模型为机器人装载的负载的动力学模型。
本实施例通过将负载作为机器人的附加的固定连杆建立第二动力学模型，以及单独建立机器人的第一动力学模型。根据第二动力学模型和第一动力学模型能够得到负载的动力学模型，通过对负载的动力学模型进行分析确定机器人的运行轨迹，并控制机器人按照运行轨迹运行，从而对机器人装载的负载的动力学参数进行辨识，提高了对机器人负载参数辨识的精度。
值得说明的是，复杂的负载往往由多个零部件组成，每个零部件的材料属性难以精准确定，而本申请直接通过机器人带动负载运行，从而对负载参数进行确定，无需提前获取负载各个零部件的材料属性，简化了确定负载参数的流程，还提高了获取负载参数的准确性。
如图2所示，在上述任一实施例中，对第一动力学模型，以及第二动力学模型处理分析，以得到第三动力学模型，包括：
步骤202，对第一动力学模型线性化处理确定第一最小参数集模型，并对第二动力学模型线性化处理确定第二最小参数集模型；
步骤204，对第一最小参数集模型，以及第二最小参数集模型进行处理，以得到第三动力学模型。
在该实施例中，将第一动力学模型线性化为第一最小参数集模型，并将第二动力学线性化为第二最小参数集模型。其中，第一最小参数集模型为本体的最小参数集模型，第二最小参数集模型为本体及负载的最小参数集模型。
第一最小参数集如下：
Figure BDA0003303653820000151
其中，a1为机器人中第一连杆的长度，a2为机器人中第二连杆的长度，mrx4为第四连杆的质量与质心坐标x轴分量的乘积，mry4为第四连杆的质量与质心坐标y轴分量的乘积，mrx3为第三连杆的质量与质心坐标x轴分量的乘积，mrx2为第二连杆的质量与质心坐标x轴分量的乘积，mry2为第二连杆的质量与质心坐标y轴分量的乘积，mry3为第三连杆的质量与质心坐标y轴分量的乘积，m2为第二连杆的质量，m3为第三连杆的质量，m4为第四连杆的质量，Izz1为第一连杆惯性矩阵的参数，Izz2为第二连杆惯性矩阵的参数，Izz3为第三连杆惯性矩阵的参数，Izz4为第四连杆惯性矩阵的参数。
第二最小参数集如下：
Figure BDA0003303653820000161
其中，m5为第五连杆的质量，Izz5为第五连杆惯性矩阵的参数，mrx5为第五连杆的质量与质心坐标x轴分量的乘积，mry5为第五连杆的质量与质心坐标x轴分量的乘积。
可以理解的是，机器人的第五连杆为负载等效的附加连杆线性化，确定第二动力学模型，并结合第二最小参数集能够得到第二最小参数集模型。
本实施例通过对第一动力学模型线性化，以确定第一最小参数集，从而得到第一最小参数集模型。并对第二动力学模型线性化，以确定第二最小参数集，从而得到第二最小参数集模性，通过将对第一最小参数集模型和第二最小参数集模型进行分析处理，能够确定第三最小参数集模型。根据第三最小参数集模型嫩进行分析能够确定机器人的运行轨迹，并据此控制机器人运行，从而对第二最小参数集中的参数进行确定，提高了负载参数获取的准确性。
在上述任一实施例中，对第一最小参数集模型，以及第二最小参数集模型进行处理，以得到第三动力学模型，包括：通过对第二最小参数模型，以及第一最小参数模型进行减法运算，确定第三动力学模型。
在该实施例中，通过将第二最小参数集模型以及第一最小参数集模型做减法运算，能够确定第三动力学模型，第三动力学模型为负载的最小参数集动力学方程，第三动力学模型如下：
Figure BDA0003303653820000162
Figure BDA0003303653820000171
其中，τR是机器人的关节驱动力矩矢量，τR+load是机器人的带有关节驱动力矩矢量，Izz5为第五连杆惯性矩阵的参数，mrx5为第五连杆的质量与质心坐标x轴分量的乘积，mry5为第五连杆的质量与质心坐标x轴分量的乘积，m5为第五连杆的质量，
Figure BDA0003303653820000172
为负载的关节加速度矢量，g为动力加速度，qn为第n连杆的关节位置矢量，
Figure BDA0003303653820000173
为第n连杆的关节速度矢量，
Figure BDA0003303653820000174
为第n连杆的关节加速度矢量，n为1、2、3、4、5。
可以理解的是，上述公式适用于四连杆式机器人，第五连杆的相关参数为负载参数，第三动力学方程的括号内的参数为通过采集得到数据，括号前的组合体参数为第三动力学方程带求解。
第一最小参数集模型为第一动力学参数模型线性化得到的，且第一动力学模型为机器人本体对应的动力学模型，第二最小参数集模型为第二动力学模型线性化得到的，且第二动力学模型为机器人本体即负载对应的动力学模型。通过第二最小参数集模型减第一最小参数集模型确定的第三动力学模型为负载对应的动力学模型。本发明通过利用两个最小参数集模型进行减法运行，得到与负载相关的动力学模型，提高了得到的动力学模型的准确性，进而保证了后续获取的负载参数的准确性。
如图3所示，在上述任一实施例中，根据动力学参数，对机器人的运行进行控制，包括：
步骤302，提取第三动力学模型中的动力学参数；
步骤304，按照动力学参数对机器人的运动轨迹进行规划；
步骤306，根据运动轨迹对机器人进行控制。
在该实施例中，对第三动力学模型中的动力学参数进行提取，根据不同的动力学参数能够对机器人的运行规划不同的运动轨迹。控制机器人以运动轨迹运行，在运行过程中采集机器人的运动参数，并根据运动参数确定相应的负载参数。
本实施例通过动力学参数对机器人整体的运行轨迹进行规划。在机器人以运动轨迹运行的过程中，采集机器人运动过程中的运动参数，并对运动参数进行分析处理，能够准确得到机器人的负载参数。
可以理解的是，根据第三动力学模型中需要采集的参数，对机器人的运行进行控制，能够保证在机器人运行过程中，能够准确采集相应的动力学参数，并据此准确计算得到相应的负载参数。
如图4所示，在上述任一实施例中，根据运动轨迹对机器人进行控制，包括：
步骤402，通过动力学参数，确定机器人运行过程中的静止关节和运动关节；
步骤404，在机器人运行过程中，保持静止关节处于静止状态，根据运动轨迹控制运动关节运行。
在该实施例中，为了提高机器人运行过程中采集各个参数的准确性，需要根据动力学参数对机器人运动过程中各个关节的运动状态进行规划。具体来说，根据动力学参数确定机器人运行过程中，机器人处于运动状态的运动关节，以及处于静止状态的静止关节。在控制机器人运行过程中，保持静止关节处于静止状态，并控制运动关节运动。从而对运动过程中的数据进行采集。
本实施例不仅根据动力学参数对运动轨迹进行规划，还对各个不同关节的运动状态进行规划。根据各个关节的运动状态和运动轨迹控制机器人运行，提高了机器人运行过程中采集到的运动参数的准确性。
在上述任一实施例中，根据运动轨迹控制运动关节运行，包括：在机器人的空载状态下，以及负载状态下，根据运动轨迹控制机器人的运行。
在该实施例中，机器人的空载状态为机器人未装载有负载的状态，机器人的负载状态为机器人装载有负载的状态。根据运动轨迹控制机器人运行的过程中，需要控制机器人在装载有负载的状态下运行，以及控制机器人在未装载有负载的状态下运行，并对两次运行过程中的运动参数进行采集。由于两次运行过程中机器人分别处于装载负载的状态和未装载负载的状态，因此通过两次采集到的运动参数进行分析，能够准确地确定负载参数。
本实施例通过控制机器人的运动关节在不同状态下运行，并根据不同运行状态下采集的运动参数确定负载参数，提高了负载参数识别的准确性。
如图5所示，在上述任一实施例中，采集机器人运动过程中的运动参数，包括：
步骤502，分别采集机器人空载状态下，以及机器人负载状态下的力矩参数；
步骤504，通过对力矩参数进行处理分析，以得到运动参数。
在该实施例中，在机器人运行过程中，采集机器人各个连杆的管接的力矩参数。通过对机器人处于空载状态运行的力矩参数(以下简称第一力矩参数)，以及机器人处于负载状态运行的力矩参数(以下简称第二力矩参数)进行计算处理，能够得到机器人的运动参数。其中，第一力矩参数为机器人本体运行过程中的力矩参数，第二力矩参数为机器人带动负载运行过程中的力矩参数，通过第一力矩参数和第二力矩参数计算分析得到的运行参数能够反映出负载对机器人运动过程中的力矩的影响，因此通过第一力矩参数和第二力矩参数对运行参数进行确定。
本实施例通过对处于不同状态下的机器人的力矩参数进行采集，并通过两个力矩参数确定运动参数，使运动参数能够准确反映负载对机器人运行过程的影响，从而提高了根据运行参数得到的负载参数的准确性。
在上述任一实施例中，力矩参数包括负载力矩以及空载力矩，通过对力矩参数进行处理分析，以得到运动参数，包括：
通过对负载力矩以及空载距离进行减法运算，得到运动参数。
在该实施例中，力矩参数包括机器人处于空载状态运行的力矩参数，即空载力矩，以及机器人处于负载状态运行的力矩参数，即负载力矩。空载力矩为机器人本体运行过程中的力矩参数，负载力矩为机器人带动负载运行过程中的力矩参数，通过空载力矩和负载力矩计算分析得到的运行参数能够反映出负载对机器人运动过程中的力矩的影响，因此通过将负载力矩以及空载记录进行减法运算，以确定与负载相关的运动参数。
本实施例通过对处于不同状态下的机器人的力矩参数进行采集，并通过对空载力矩以及负载力矩进行剪发运算确定运动参数，使运动参数能够准确反映负载对机器人运行过程的影响，从而提高了根据运行参数得到的负载参数的准确性。
如图6所示，在上述任一实施例中，分别采集机器人空载状态下，以及机器人负载状态下的力矩参数，包括：
步骤602，获取运动关节处的驱动电流值；
步骤604，通过运动关节驱动电流值，确定对应的力矩参数。
在该实施例中，机器人的各个关节均通过驱动件驱动运行，通过设置电流采集装置对驱动件处的电流进行采集，以得到对应关节的驱动电流值。根据驱动电流值能够准确确定相应的力矩参数。
可以理解的是，在驱动机器人的关节运动过程中，随着输入的驱动电流的增大，关节运动的力矩随之增大，因此通过采集得到的驱动电流能够对力矩参数进行准确判定。
在一些实施例中，按照力矩参数与驱动电流的对应关系，根据采集到的驱动电流确定力矩参数。
在这些实施例中，力矩参数与驱动电流的对应关系通过大量实验得到。
在另外一些实施例中，将采集到的驱动电流代入到相应的计算公式中进行计算，以得到力矩参数。
在上述任一实施例中，负载参数包括：负载的质心参数、负载的惯性参数、负载的质量参数中的一种或组合。
在该实施例中，根据第三动力学模型中的不同的动力学参数规划的不同运动轨迹，按照不同的运动轨迹控制机器人运行，在运行过程中采集不同的运动参数，能够对负载质量参数、负载惯性参数和负载质心参数进行确定，从而得到完整且准确的负载参数。
在一些实施中，获取负载的质量参数的过程中，即获取第三动力学模型中的m5。
在这些实施例中，将机器人中的第一连杆、第二连杆和第四连杆的关节设置为静止关节，并且将机器人的第三连杆的关节设置为运动关节。控制第三连杆的关节做匀加速运动。采集第三连杆的关节处的驱动电流值，经过滤波等处理转化成力矩参数。通过带负载和不带负载两次运动，以得到空载力矩和负载力矩，通过将空载力矩与负载力矩进行减法运算，求得第三连杆的关节力矩差值，对应方程
Figure BDA0003303653820000211
然后采集运动过程中的多组数据，采用最小二乘法求解方程即可得到负载质量参数。
在一些实施例中，获取负载在质心坐标Z轴方向的惯量参数，即获取第三动力学模型中的IZZ5。
在这些实施例中，将机器人中的第一连杆、第二连杆和第三连杆的关节设置为静止关节，并且将机器人的第四连杆的关节设置为运动关节。控制第四连杆的关节做匀加速运动。采集第四连杆的关节处的驱动电流值，经过滤波等处理转化成力矩参数。通过带负载和不带负载两次运动，以得到空载力矩和负载力矩，通过将空载力矩与负载力矩进行减法运算，求得第四连杆的关节力矩差值，对应方程
Figure BDA0003303653820000212
然后采集运动过程中的多组数据，采用最小二乘法求解方程即可得到负载在质心坐标Z轴方向的惯量参数。
在一些实施例中，获取负载的质心质量组合参数，即获取第三动力学模型中的mrx5，mry5。
在这些实施例中，将机器人中的第一连杆和第三连杆的关节设置为静止关节，并且将机器人的第二连杆和第四连杆的关节设置为运动关节。控制第四连杆的关节做匀速运动。采集第四连杆的关节处的驱动电流值，经过滤波等处理转化成力矩参数。通过带负载和不带负载两次运动，以得到空载力矩和负载力矩，通过将空载力矩与负载力矩进行减法运算，求得第四连杆的关节力矩差值，对应方程
Figure BDA0003303653820000213
然后采集运动过程中的多组数据，采用最小二乘法求解方程即可得到负载的质心质量组合参数。
可以理解的是，通过获取负载的质量参数，并根据质量参数，以及质量质心的组合参数，能够计算得到负载的质心参数，即第三动力学模型中的rx5，ry5。
实施例二：
如图7所示，本发明的第二个实施例中提供了一种负载参数识别装置700，机器人包括本体，本体能够装载负载，本体用于带动负载运动。
负载参数识别装置700包括：
获取模块702，用于建立机器人的第一动力学模型，以及第二动力学模型；
确定模块704，用于对第一动力学模型，以及第二动力学模型处理分析，以得到第三动力学模型；
控制模块706，用于提取第三动力学模型中的动力学参数，根据动力学参数，对机器人的运行进行控制；
采集模块708，用于在机器人运行过程中，采集机器人的运动参数；
识别模块710，用于通过运动参数对负载的负载参数进行辨识。
本实施例提供的负载参数识别装置700用于对装载在机器人上的负载的动力学参数进行识别。其中，机器人包括本体，本体中设置有机械臂等结构，机械臂能够夹装负载，本体运行过程中能够带动负载运动。在对机器人本体进行控制的过程中，需要先获取负载参数，即负载的动力学参数。
在获取负载的动力学参数的过程中，建立机器人本体的第一动力学模型，并建立装载有负载的机器人本体的第二动力学模型。由于第一动力学模型为机器人本体的动力学模型，而第二动力学模型为本体及负载的动力学模型，因此根据第一动力学模型和第二动力学模型能够得到的第三动力学模型为负载对应的动力学模型。提取第三动力学模型中的动力学参数，根据动力学参数控制机器人运行，在机器人根据第三动力学模型中的动力参数运行过程中，采集机器人的运动参数。并根据机器人的运动参数确定负载的负载参数，即负载的动力学参数。
具体来说，在确定负载的第三动力学模型后，根据第三动力学模型中的各个动力学参数，对机器人本体的运行轨迹进行规划。控制机器人在装载有负载的情况下，以及未装载有负载的情况下按照设定轨迹运行，并且对机器人在两种不同情况下的运动参数进行采集，通过对采集得到的运动参数进行识别分析，能够得到负载的动力学参数。
在一些实施例中，机器人为四连杆机器人，基于牛顿-欧拉动力学方程并结合机器人的集合参数，建立机器人的第一动力学模型以及第二动力学模型。
第一动力学模型如下：
Figure BDA0003303653820000231
其中，τR是机器人的关节驱动力矩矢量，
Figure BDA0003303653820000232
为第一惯性项，D(q)为第一惯性矩阵，
Figure BDA0003303653820000233
为机器人各关节加速度矢量，
Figure BDA0003303653820000234
为第一科氏力矩阵，q为关节位置矢量，
Figure BDA0003303653820000235
为关节速度矢量；G(q)为第一重力项。
第二动力学模型如下：
Figure BDA0003303653820000236
其中，τR+load是机器人的带有关节驱动力矩矢量，
Figure BDA0003303653820000237
为第二惯性项，D(q)’为第二惯性矩阵，
Figure BDA0003303653820000238
为机器人各关节加速度矢量，
Figure BDA0003303653820000239
为第二科氏力矩阵，q为关节位置矢量，
Figure BDA00033036538200002310
为关节速度矢量；G(q)’为第二重力项。
在这些实施例中，建立四连杆机器人的第一动力学模型，将机器人的负载作为机器人的第五连杆，建立机器人的第二动力学模型。
值得说明的是，机器人可选为其他数量的多连杆机器人。通过建立机器人的全部连杆的动力学模型，能够得到机器人的第一动力学模型。将机器人的负载作为机器人的单独连杆，并建立机器人全部连杆以及负载等效的单独连杆的第二动力学模型。将第二动力模型与第一动力学模型进行减法计算，能够得到第三动力学模型。由于第二动力学模型相较于第一动力学模型中多出机器人的负载，因此第三动力学模型为机器人装载的负载的动力学模型。
本实施例通过将负载作为机器人的附加的固定连杆建立第二动力学模型，以及单独建立机器人的第一动力学模型。根据第二动力学模型和第一动力学模型能够得到负载的动力学模型，通过对负载的动力学模型进行分析确定机器人的运行轨迹，并控制机器人按照运行轨迹运行，从而对机器人装载的负载的动力学参数进行辨识，提高了对机器人负载参数辨识的精度。
值得说明的是，复杂的负载往往由多个零部件组成，每个零部件的材料属性难以精准确定，而本申请直接通过机器人带动负载运行，从而对负载参数进行确定，无需提前获取负载各个零部件的材料属性，简化了确定负载参数的流程，还提高了获取负载参数的准确性。
在上述任一实施例中，确定模块704，还用于对第一动力学模型线性化处理确定第一最小参数集模型，并对第二动力学模型线性化处理确定第二最小参数集模型；
确定模块704，还用于对第一最小参数集模型，以及第二最小参数集模型进行处理，以得到第三动力学模型。
在该实施例中，将第一动力学模型线性化为第一最小参数集模型，并将第二动力学线性化为第二最小参数集模型。其中，第一最小参数集模型为本体的最小参数集模型，第二最小参数集模型为本体及负载的最小参数集模型。
第一最小参数集如下：
Figure BDA0003303653820000241
其中，a1为机器人中第一连杆的长度，a2为机器人中第二连杆的长度，mrx4为第四连杆的质量与质心坐标x轴分量的乘积，mry4为第四连杆的质量与质心坐标y轴分量的乘积，mrx3为第三连杆的质量与质心坐标x轴分量的乘积，mrx2为第二连杆的质量与质心坐标x轴分量的乘积，mry2为第二连杆的质量与质心坐标y轴分量的乘积，mry3为第三连杆的质量与质心坐标y轴分量的乘积，m3为第三连杆的质量，m4为第四连杆的质量，Izz4为第四连杆惯性矩阵的参数，Izz2为第二连杆惯性矩阵的参数，Izz3为第三连杆惯性矩阵的参数。
第二最小参数集如下：
Figure BDA0003303653820000242
其中，m5为第五连杆的质量，Izz5为第五连杆惯性矩阵的参数，mrx5为第五连杆的质量与质心坐标x轴分量的乘积，mry5为第五连杆的质量与质心坐标x轴分量的乘积。
可以理解的是，机器人的第五连杆为负载等效的附加连杆线性化，确定第二动力学模型，并结合第二最小参数集能够得到第二最小参数集模型。
本实施例通过对第一动力学模型线性化，以确定第一最小参数集，从而得到第一最小参数集模型。并对第二动力学模型线性化，以确定第二最小参数集，从而得到第二最小参数集模性，通过将对第一最小参数集模型和第二最小参数集模型进行分析处理，能够确定第三最小参数集模型。根据第三最小参数集模型嫩进行分析能够确定机器人的运行轨迹，并据此控制机器人运行，从而对第二最小参数集中的参数进行确定，提高了负载参数获取的准确性。
在上述任一实施例中，负载参数识别装置700，包括：
计算单元，用于通过对第二最小参数模型，以及第一最小参数模型进行减法运算，确定第三动力学模型。
在该实施例中，通过将第二最小参数集模型以及第一最小参数集模型做减法运算，能够确定第三动力学模型，第三动力学模型为负载的最小参数集动力学方程，第三动力学模型如下：
Figure BDA0003303653820000251
其中，τR是机器人的关节驱动力矩矢量，τR+load是机器人的带有关节驱动力矩矢量，Izz5为第五连杆惯性矩阵的参数，mrx5为第五连杆的质量与质心坐标x轴分量的乘积，mry5为第五连杆的质量与质心坐标x轴分量的乘积，m5为第五连杆的质量，
Figure BDA0003303653820000252
为负载的关节加速度矢量，g为动力加速度，qn为第n连杆的关节位置矢量，
Figure BDA0003303653820000253
为第n连杆的关节速度矢量，
Figure BDA0003303653820000254
为第n连杆的关节加速度矢量，n为1、2、3、4、5。
可以理解的是，上述公式适用于四连杆式机器人，第五连杆的相关参数为负载参数，第三动力学方程的括号内的参数为通过采集得到数据，括号前的组合体参数为第三动力学方程带求解。
第一最小参数集模型为第一动力学参数模型线性化得到的，且第一动力学模型为机器人本体对应的动力学模型，第二最小参数集模型为第二动力学模型线性化得到的，且第二动力学模型为机器人本体即负载对应的动力学模型。通过第二最小参数集模型减第一最小参数集模型确定的第三动力学模型为负载对应的动力学模型。本发明通过利用两个最小参数集模型进行减法运行，得到与负载相关的动力学模型，提高了得到的动力学模型的准确性，进而保证了后续获取的负载参数的准确性。
在上述任一实施例中，负载参数识别装置700，还包括：
提取模块，用于提取第三动力学模型中的动力学参数；
规划模块，用于按照动力学参数对机器人的运动轨迹进行规划；
控制模块706，还用于根据运动轨迹对机器人进行控制。
在该实施例中，对第三动力学模型中的动力学参数进行提取，根据不同的动力学参数能够对机器人的运行规划不同的运动轨迹。控制机器人以运动轨迹运行，在运行过程中采集机器人的运动参数，并根据运动参数确定相应的负载参数。
本实施例通过动力学参数对机器人整体的运行轨迹进行规划。在机器人以运动轨迹运行的过程中，采集机器人运动过程中的运动参数，并对运动参数进行分析处理，能够准确得到机器人的负载参数。
可以理解的是，根据第三动力学模型中需要采集的参数，对机器人的运行进行控制，能够保证在机器人运行过程中，能够准确采集相应的动力学参数，并据此准确计算得到相应的负载参数。
在上述任一实施例中，确定模块704，还用于通过动力学参数，确定机器人运行过程中的静止关节和运动关节；
控制模块706，还用于在机器人运行过程中，保持静止关节处于静止状态，根据运动轨迹控制运动关节运行。
在该实施例中，为了提高机器人运行过程中采集各个参数的准确性，需要根据动力学参数对机器人运动过程中各个关节的运动状态进行规划。具体来说，根据动力学参数确定机器人运行过程中，机器人处于运动状态的运动关节，以及处于静止状态的静止关节。在控制机器人运行过程中，保持静止关节处于静止状态，并控制运动关节运动。从而对运动过程中的数据进行采集。
本实施例不仅根据动力学参数对运动轨迹进行规划，还对各个不同关节的运动状态进行规划。根据各个关节的运动状态和运动轨迹控制机器人运行，提高了机器人运行过程中采集到的运动参数的准确性。
在上述任一实施例中，控制模块706，还用于根据运动轨迹控制运动关节运行，包括：在机器人的空载状态下，以及负载状态下，根据运动轨迹控制机器人的运行。
在该实施例中，机器人的空载状态为机器人未装载有负载的状态，机器人的负载状态为机器人装载有负载的状态。根据运动轨迹控制机器人运行的过程中，需要控制机器人在装载有负载的状态下运行，以及控制机器人在未装载有负载的状态下运行，并对两次运行过程中的运动参数进行采集。由于两次运行过程中机器人分别处于装载负载的状态和未装载负载的状态，因此通过两次采集到的运动参数进行分析，能够准确地确定负载参数。
本实施例通过控制机器人的运动关节在不同状态下运行，并根据不同运行状态下采集的运动参数确定负载参数，提高了负载参数识别的准确性。
在上述任一实施例中，负载参数识别装置700，包括：
采集模块708，还用于分别采集机器人空载状态下，以及机器人负载状态下的力矩参数；
分析模块，还用于通过对力矩参数进行处理分析，以得到运动参数。
在该实施例中，在机器人运行过程中，采集机器人各个连杆的管接的力矩参数。通过对机器人处于空载状态运行的力矩参数(以下简称第一力矩参数)，以及机器人处于负载状态运行的力矩参数(以下简称第二力矩参数)进行计算处理，能够得到机器人的运动参数。其中，第一力矩参数为机器人本体运行过程中的力矩参数，第二力矩参数为机器人带动负载运行过程中的力矩参数，通过第一力矩参数和第二力矩参数计算分析得到的运行参数能够反映出负载对机器人运动过程中的力矩的影响，因此通过第一力矩参数和第二力矩参数对运行参数进行确定。
本实施例通过对处于不同状态下的机器人的力矩参数进行采集，并通过两个力矩参数确定运动参数，使运动参数能够准确反映负载对机器人运行过程的影响，从而提高了根据运行参数得到的负载参数的准确性。
在上述任一实施例中，计算模块，还用于通过对负载力矩以及空载距离进行减法运算，得到运动参数。
在该实施例中，力矩参数包括机器人处于空载状态运行的力矩参数，即空载力矩，以及机器人处于负载状态运行的力矩参数，即负载力矩。空载力矩为机器人本体运行过程中的力矩参数，负载力矩为机器人带动负载运行过程中的力矩参数，通过空载力矩和负载力矩计算分析得到的运行参数能够反映出负载对机器人运动过程中的力矩的影响，因此通过将负载力矩以及空载记录进行减法运算，以确定与负载相关的运动参数。
本实施例通过对处于不同状态下的机器人的力矩参数进行采集，并通过对空载力矩以及负载力矩进行剪发运算确定运动参数，使运动参数能够准确反映负载对机器人运行过程的影响，从而提高了根据运行参数得到的负载参数的准确性。
在上述任一实施例中，获取模块702，还用于获取运动关节处的驱动电流值；
确定模块704，还用于通过运动关节驱动电流值，确定对应的力矩参数。
在该实施例中，机器人的各个关节均通过驱动件驱动运行，通过设置电流采集装置对驱动件处的电流进行采集，以得到对应关节的驱动电流值。根据驱动电流值能够准确确定相应的力矩参数。
可以理解的是，在驱动机器人的关节运动过程中，随着输入的驱动电流的增大，关节运动的力矩随之增大，因此通过采集得到的驱动电流能够对力矩参数进行准确判定。
在一些实施例中，按照力矩参数与驱动电流的对应关系，根据采集到的驱动电流确定力矩参数。
在这些实施例中，力矩参数与驱动电流的对应关系通过大量实验得到。
在另外一些实施例中，将采集到的驱动电流代入到相应的计算公式中进行计算，以得到力矩参数。
在上述任一实施例中，负载参数包括：负载的质心参数、负载的惯性参数、负载的质量参数中的一种或组合。
在该实施例中，根据第三动力学模型中的不同的动力学参数规划的不同运动轨迹，按照不同的运动轨迹控制机器人运行，在运行过程中采集不同的运动参数，能够对负载质量参数、负载惯性参数和负载质心参数进行确定，从而得到完整且准确的负载参数。
在一些实施中，获取负载的质量参数的过程中，即获取第三动力学模型中的m5。
在这些实施例中，将机器人中的第一连杆、第二连杆和第四连杆的关节设置为静止关节，并且将机器人的第三连杆的关节设置为运动关节。控制第三连杆的关节做匀加速运动。采集第三连杆的关节处的驱动电流值，经过滤波等处理转化成力矩参数。通过带负载和不带负载两次运动，以得到空载力矩和负载力矩，通过将空载力矩与负载力矩进行减法运算，求得第三连杆的关节力矩差值，对应方程
Figure BDA0003303653820000291
然后采集运动过程中的多组数据，采用最小二乘法求解方程即可得到负载质量参数。
在一些实施例中，获取负载在质心坐标Z轴方向的惯量参数，即获取第三动力学模型中的IZZ5。
在这些实施例中，将机器人中的第一连杆、第二连杆和第三连杆的关节设置为静止关节，并且将机器人的第四连杆的关节设置为运动关节。控制第四连杆的关节做匀加速运动。采集第四连杆的关节处的驱动电流值，经过滤波等处理转化成力矩参数。通过带负载和不带负载两次运动，以得到空载力矩和负载力矩，通过将空载力矩与负载力矩进行减法运算，求得第四连杆的关节力矩差值，对应方程
Figure BDA0003303653820000292
然后采集运动过程中的多组数据，采用最小二乘法求解方程即可得到负载在质心坐标Z轴方向的惯量参数。
在一些实施例中，获取负载的质心质量组合参数，即获取第三动力学模型中的mrx5，mry5。
在这些实施例中，将机器人中的第一连杆和第三连杆的关节设置为静止关节，并且将机器人的第二连杆和第四连杆的关节设置为运动关节。控制第四连杆的关节做匀速运动。采集第四连杆的关节处的驱动电流值，经过滤波等处理转化成力矩参数。通过带负载和不带负载两次运动，以得到空载力矩和负载力矩，通过将空载力矩与负载力矩进行减法运算，求得第四连杆的关节力矩差值，对应方程
Figure BDA0003303653820000293
然后采集运动过程中的多组数据，采用最小二乘法求解方程即可得到负载的质心质量组合参数。
可以理解的是，通过获取负载的质量参数，并根据质量参数，以及质量质心的组合参数，能够计算得到负载的质心参数，即第三动力学模型中的rx5，ry5。
实施例三：
如图8所示，本发明的第二个实施例中提供了一种负载参数识别装置800，包括：存储器802和处理器804。
存储器802中存储有程序或指令，处理器804执行存储在存储器中的程序或指令以实现如实施例一中的负载参数识别方法的步骤，因而具有上述实施例一中的负载参数识别方法的全部有益技术效果，在此不再做过多赘述。
实施例四：
本发明的第四个实施例中提供了一种可读存储介质，其上存储有程序，程序被处理器执行时实现如上述任一实施例中的负载参数识别方法，因而具有上述任一实施例中的负载参数识别方法的全部有益技术效果。
其中，可读存储介质，如只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
实施例五：
本发明的第五个实施例中提供了一种机器人，包括：如上述实施例二或实施例三中的负载参数识别装置，和/或上述实施例四的可读存储介质，因而具有上述实施例二或实施例三中负载参数识别装置和上述实施例四中的可读存储介质的全部有益技术效果，在此不再做过多赘述。
在上述任一实施例中，机器人还包括本体，本体内设置有多个关节和装载件，装载件能够将负载装载到机器人的本体上。
需要明确的是，在本发明的权利要求书、说明书和说明书附图中，术语“多个”则指两个或两个以上，除非有额外的明确限定，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了更方便地描述本发明和使得描述过程更加简便，而不是为了指示或暗示所指的装置或元件必须具有所描述的特定方位、以特定方位构造和操作，因此这些描述不能理解为对本发明的限制；术语“连接”、“安装”、“固定”等均应做广义理解，举例来说，“连接”可以是多个对象之间的固定连接，也可以是多个对象之间的可拆卸连接，或一体地连接；可以是多个对象之间的直接相连，也可以是多个对象之间的通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据上述数据地具体情况理解上述术语在本发明中的具体含义。
在本发明的权利要求书、说明书和说明书附图中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本发明的权利要求书、说明书和说明书附图中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或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。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种负载参数识别方法，其特征在于，机器人包括本体，所述本体能够装载负载，所述本体用于带动所述负载运动，包括：
获取机器人的第一动力学模型和第二动力学模型，其中，所述第一动力学模型为所述本体的动力学模型，所述第二动力学模型为装载有所述负载的本体的动力学模型；
根据所述第一动力学模型和所述第二动力学模型，确定第三动力学模型，其中，所述第三动力学模型为所述负载的动力学模型；
根据所述第三动力学模型中的动力学参数控制所述机器人运行；
采集所述机器人运动过程中的运动参数；
根据所述运动参数识别所述负载的负载参数；
所述根据所述第三动力学模型中的动力学参数控制所述机器人运行，包括：
根据所述第三动力学模型中的动力学参数，规划所述机器人的运动轨迹；
按照所述运动轨迹，控制所述机器人运行；
所述根据所述第一动力学模型和所述第二动力学模型，确定第三动力学模型，包括：
分别对所述第一动力学模型和所述第二动力学模型进行线性化处理，以得到第一最小参数集模型和第二最小参数集模型；
通过所述第一最小参数集模型和所述第二最小参数集模型，确定所述第三动力学模型，所述第三动力学模型为所述负载的动力学模型；
所述按照所述运动轨迹，控制所述机器人运行，包括：
根据所述第三动力学模型中的动力学参数，确定所述机器人的运动关节和静止关节；
控制所述静止关节保持静止，控制所述运动关节按照所述运动轨迹运行。
2.根据权利要求1所述的负载参数识别方法，其特征在于，所述通过所述第一最小参数集模型和所述第二最小参数集模型，确定所述第三动力学模型，包括：
将所述第二最小参数集模型与所述第一最小参数集模型进行差值计算，以得到所述第三动力学模型。
3.根据权利要求1所述的负载参数识别方法，其特征在于，所述控制所述运动关节按照所述运动轨迹运行，包括：
按照所述运动轨迹，控制所述机器人分别以空载状态和负载状态运行。
4.根据权利要求3所述的负载参数识别方法，其特征在于，所述采集所述机器人运动过程中的运动参数，包括：
采集所述机器人处于所述空载状态和所述负载状态下的力矩参数；
根据所述力矩参数确定所述运动参数。
5.根据权利要求4所述的负载参数识别方法，其特征在于，所述力矩参数包括空载力矩和负载力矩，所述根据所述空载力矩和负载力矩确定所述运动参数，包括：
将所述负载力矩和所述空载力矩进行差值计算，以得到所述运动参数。
6.根据权利要求4所述的负载参数识别方法，其特征在于，所述采集所述机器人处于所述空载状态和所述负载状态下的力矩参数，包括：
采集所述运动关节的驱动电流值；
根据所述驱动电流值，确定所述运动关节的力矩参数。
7.根据权利要求1或2所述的负载参数识别方法，其特征在于，所述负载参数包括：
负载的质量参数、负载的惯性参数、负载的质心参数中一种或组合。
8.一种负载参数识别装置，其特征在于，机器人包括本体，所述本体能够装载负载，所述本体用于带动所述负载运动，包括：
获取模块，用于获取机器人的第一动力学模型和第二动力学模型，其中，所述第一动力学模型为所述本体的动力学模型，所述第二动力学模型为装载有所述负载的本体的动力学模型；
确定模块，用于根据所述第一动力学模型和所述第二动力学模型，确定第三动力学模型，其中，所述第三动力学模型为所述负载的动力学模型；
控制模块，用于根据所述第三动力学模型控制所述机器人运行；
采集模块，用于采集所述机器人运动过程中的运动参数；
识别模块，用于根据所述运动参数识别所述负载的负载参数；
所述控制模块，用于根据所述第三动力学模型控制所述机器人运行，包括：
所述控制模块根据所述第三动力学模型中的动力学参数，规划所述机器人的运动轨迹；
所述控制模块按照所述运动轨迹，控制所述机器人运行；
所述确定模块，用于根据所述第一动力学模型和所述第二动力学模型，确定第三动力学模型，包括：
分别对所述第一动力学模型和所述第二动力学模型进行线性化处理，以得到第一最小参数集模型和第二最小参数集模型；
通过所述第一最小参数集模型和所述第二最小参数集模型，确定所述第三动力学模型，所述第三动力学模型为所述负载的动力学模型；
所述控制模块按照所述运动轨迹，控制所述机器人运行，包括：
根据所述第三动力学模型中的动力学参数，确定所述机器人的运动关节和静止关节；
控制所述静止关节保持静止，控制所述运动关节按照所述运动轨迹运行。
9.一种负载参数识别装置，其特征在于，包括：
存储器，所述存储器中存储有程序或指令；
处理器，所述处理器执行存储在所述存储器中的程序或指令以实现如权利要求1至7中任一项所述的负载参数识别方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现如上述权利要求1至7中任一项所述的负载参数识别方法的步骤。
11.一种机器人，其特征在于，包括：
如权利要求8或9所述的负载参数识别装置；和/或
如权利要求10所述的可读存储介质。
12.根据权利要求11所述的机器人，其特征在于，还包括：
本体，所述本体包括至少两个关节和装载件，所述装载件与所述至少两个关节相连接，所述装载件用于装载负载。
CN202111197596.5A 2021-10-14 2021-10-14 负载参数识别方法、识别装置、可读存储介质和机器人 Active CN113910229B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111197596.5A CN113910229B (zh) 2021-10-14 2021-10-14 负载参数识别方法、识别装置、可读存储介质和机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111197596.5A CN113910229B (zh) 2021-10-14 2021-10-14 负载参数识别方法、识别装置、可读存储介质和机器人

Publications (2)

Publication Number Publication Date
CN113910229A CN113910229A (zh) 2022-01-11
CN113910229B true CN113910229B (zh) 2023-01-31

Family

ID=79240378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111197596.5A Active CN113910229B (zh) 2021-10-14 2021-10-14 负载参数识别方法、识别装置、可读存储介质和机器人

Country Status (1)

Country Link
CN (1) CN113910229B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115592664B (zh) * 2022-10-26 2024-09-20 广州大学 一种工业机器人末端负载辨识方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103495977A (zh) * 2013-09-29 2014-01-08 北京航空航天大学 一种6r型工业机器人负载识别方法
CN107016207A (zh) * 2017-04-17 2017-08-04 珞石（北京）科技有限公司 基于特定关节运动的工业机器人负载动力学参数辨识方法
CN107391861A (zh) * 2017-07-28 2017-11-24 珞石（山东）智能科技有限公司 不依赖本体动力学参数的工业机器人负载动力学参数辨识方法
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
CN111037567A (zh) * 2019-12-30 2020-04-21 上海新时达机器人有限公司 六轴机器人末端负载辨识方法及模块
CN113496059A (zh) * 2020-04-03 2021-10-12 深圳市汇川技术股份有限公司 机器人工具负载质心辨识方法、系统、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020011320A (ja) * 2018-07-17 2020-01-23 オムロン株式会社 パラメータ同定装置、方法、及びプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103495977A (zh) * 2013-09-29 2014-01-08 北京航空航天大学 一种6r型工业机器人负载识别方法
CN107016207A (zh) * 2017-04-17 2017-08-04 珞石（北京）科技有限公司 基于特定关节运动的工业机器人负载动力学参数辨识方法
CN107391861A (zh) * 2017-07-28 2017-11-24 珞石（山东）智能科技有限公司 不依赖本体动力学参数的工业机器人负载动力学参数辨识方法
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
CN111037567A (zh) * 2019-12-30 2020-04-21 上海新时达机器人有限公司 六轴机器人末端负载辨识方法及模块
CN113496059A (zh) * 2020-04-03 2021-10-12 深圳市汇川技术股份有限公司 机器人工具负载质心辨识方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN113910229A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
JP5898263B2 (ja) 連接構造の動作をキャプチャするための処理方法
CN106346513B (zh) 一种六自由度机器人末端负载动力学参数辨识装置及方法
US9434073B2 (en) Robot apparatus and control method therefor
CN109583093B (zh) 一种考虑关节弹性的工业机器人动力学参数辨识方法
CN110815190B (zh) 一种工业机器人拖动示教方法及系统
CN108582069A (zh) 机器人拖动示教系统和方法、存储介质、操作系统
US8190294B2 (en) Detection of condition changes in an industrial robot system
CN113910229B (zh) 负载参数识别方法、识别装置、可读存储介质和机器人
CN113988202B (zh) 一种基于深度学习的机械臂异常振动检测方法
Boschetti et al. Optimal robot positioning using task-dependent and direction-selective performance indexes: General definitions and application to a parallel robot
CN112109080A (zh) 调整辅助装置
CN110065073A (zh) 一种机器人动力学模型辨识方法
CN115533916B (zh) 一种机械臂末端负载质量辨识方法、系统、设备及介质
CN114800519B (zh) 一种考虑摩擦的六自由度工业机器人动力学参数辨识方法
CN114492511A (zh) 一种基于数字孪生的故障诊断方法
CN112179551B (zh) 机器人的关节电机转矩系数与摩擦力同步测试方法和装置
CN114211502B (zh) 机器人负载识别方法及识别装置
Paska et al. Methodology of arm design for mobile robot manipulator using topological optimization
CN206216738U (zh) 一种六自由度机器人末端负载动力学参数辨识装置
CN110774269B (zh) 机器人拖动示教方法、装置、电子设备及存储介质
Vargas-Treviño et al. A mechatronic approach for ball screw drive system: modeling, control, and validation on an FPGA-based architecture
Niebergall et al. Identification of the ten inertia parameters of a rigid body
Rodriguez-Fortun et al. Model-free control of a 3-DOF piezoelectric nanopositioning platform
CN106200666A (zh) 无人飞行器飞行控制方法
JP6756619B2 (ja) ロボット装置を初期設定および制御するための方法

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