CN114012734B - 一种参数自适应的机器人碰撞检测方法 - Google Patents
一种参数自适应的机器人碰撞检测方法 Download PDFInfo
- Publication number
- CN114012734B CN114012734B CN202111470344.5A CN202111470344A CN114012734B CN 114012734 B CN114012734 B CN 114012734B CN 202111470344 A CN202111470344 A CN 202111470344A CN 114012734 B CN114012734 B CN 114012734B
- Authority
- CN
- China
- Prior art keywords
- robot
- joint
- dynamic
- moment
- dynamics
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 12
- 230000005284 excitation Effects 0.000 claims description 9
- 238000013213 extrapolation Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 102000018884 Golgi Matrix Proteins Human genes 0.000 claims description 3
- 108010052778 Golgi Matrix Proteins Proteins 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000006978 adaptation Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000037307 sensitive skin Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
- B25J9/1676—Avoiding collision or forbidden zones
-
- 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
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- 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)
- Feedback Control In General (AREA)
- Manipulator (AREA)
Abstract
一种参数自适应的机器人碰撞检测方法,首先对机器人进行动力学建模及动力学参数辨识,再设计基于广义动量的扰动观测器,用于机器人外部碰撞力的检测,然后设计机器人动力学参数自适应方法,最后设置动态变化的动量观测器残差阈值,采集机器人运行过程中的角度、角速度以及电流信号作为算法输入,当估计的外部碰撞力超过阈值范围时,判断为机器人与外界物体或操作人员发生碰撞;本发明简单有效,不需要增加额外的传感器,且能够有效解决机器人动力学参数辨识不准确且在运行过程中动力学参数发生变化的问题,提高碰撞检测的准确性。
Description
技术领域
本发明涉及工业机器人控制技术领域,尤其涉及一种参数自适应的机器人碰撞检测方法。
背景技术
工业机器人成为制造业实现智能化转型不可或缺的一部分,作为工业机器人智能化和开放性领域发展的一个重要方向,人机协作在机器人领域的发展中被得到越来越多的重视,人机协作的广泛应用对于机器人安全性的要求也越来越高,因此有必要对机器人采取安全防撞措施,以避免人机协作过程中的意外碰撞事故的发生。
目前,国内外学者对于机器人碰撞检测技术已经有了数年的研究,提出多种不同的检测方案,主要分为基于外部传感器和未使用外部传感器两种方法。基于外部传感器的方法有在机器人外表覆盖一层敏感皮肤,该方法能精确检测出碰撞及碰撞部位,但是大大增加了机器人的复杂度与成本,降低了灵活性;还有人在机器人关节处添加力传感器,该方案极大增加了机器人生产成本。未使用外部传感器的方法有的基于机器人动力学模型,通过比较动力学模型预测的关节输出力矩与关节实际输出力矩,来检测是否发生碰撞,但是在使用过程中机器人模型会发生变化,从而导致检测错误。上述现有方法都难以满足人机协作过程中安全性的要求。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种参数自适应的机器人碰撞检测方法,不需要增加额外传感器、且可以进行模型参数自适应。
为了达到上述目的,本发明采取的技术方案为:
一种参数自适应的机器人碰撞检测方法,包括如下步骤:
1)进行机器人动力学建模及动力学参数辨识;
2)在机器人动力学模型的基础上,设计基于广义动量的扰动观测器,用于机器人外部碰撞力的检测;
3)设计机器人动力学参数自适应方法;
4)设置动态变化的动量观测器残差阈值;
5)采集机器人运行过程中的角度、角速度以及电流信号作为方法输入,当估计的外部碰撞力超过动量观测器残差阈值范围时,判断为机器人与外界物体或操作人员发生碰撞。
所述的步骤1)中的机器人动力学参数辨识方法为:首先基于牛顿-欧拉方法或拉格朗日法构建机器人动力学模型,采用牛顿-欧拉法时,牛顿-欧拉法包含外推与内推两个步骤,外推为从关节一到关节六,通过各关节的角速度与角加速度求解所连接连杆的质心速度与质心加速度,进而求得各连杆所受到的力与力矩;内推为从连杆六到连杆一,通过连杆所受的力矩以及外界环境施加的力矩求解所连接关节所受到的力矩,求得如下机器人动力学方程:
将机器人动力学方程进行线性变换,转换为两部分的乘积,其中一部分为机器人动力学基本参数集,另一部分为非线性函数矩阵,与动力学参数无关,如下:
设计基于周期性傅里叶级数的激励轨迹,并以条件数作为激励轨迹的优化标准;
使机器人按照激励轨迹进行运动,同时采集机器人各关节的角度、角速度以及关节力矩的原始数据,对原始数据进行处理,采用最小二乘或其他方法进行动力学参数求解,得到机器人动力学模型。
其中,r为外部碰撞力矩的观测值,K为增益常数;
基于广义动量的扰动观测器实时采集机器人在运行过程中的角度、角速度以及关节电流数据,通过扰动观测器实时估计机器人所受到的外部碰撞力。
所述的步骤3)中的机器人动力学参数自适应方法为:
XB(t)=XB(t-1)+ΔXB
当机器人未发生碰撞时,以扰动观测器的残差值作为参数自适应方法的输入,以此进行机器人动力学模型参数的自适应调整。
基于参数自适应的碰撞检测方法使用李雅普诺夫方程验证方法的稳定性与收敛性,如下:
其中:V为李雅普诺夫算子,r为外部碰撞力矩的观测值,K为增益常数,ΔXB为动力学基本参数集修正量;
设置动态变化的扰动观测器残差阈值,当估计的外部碰撞力超过阈值范围时,判断为机器人与外界物体或操作人员发生碰撞。
本发明相对于现有技术而言,具有以下优点:
(1)本发明不需要使用额外的传感器,只需要在控制器中植入方法内容,不会增加机器人的生产成本。
(2)本发明进行碰撞检测时,未使用机器人的角加速度信号作为方法输入,由于角加速度需要由加速度进行微分而获得,而微分过程会引入大量的噪声,对检测方法产生严重干扰,本发明只使用角度、角速度与电流信号,避免了此问题的发生。
(3)本发明使用动态变化的残差阈值,可以有效提高碰撞检测方法的灵敏度,提高碰撞检测方法的鲁棒性。
(4)本发明可以在机器人运行过程中实时对机器人的动力学模型进行自适应校准,而不是使用最开始动力学参数辨识方法得到的固定数值,可以有效解决机器人动力学模型参数无法准确获得且在机器人运行过程中动力学模型参数会发生变化的问题。
附图说明
图1是本发明机器人动力学建模及动力学参数辨识的流程图。
图2是本发明基于广义动量的碰撞检测方法框架图。
图3是本发明基于参数自适应的碰撞检测方法框架图。
具体实施方式
下面结合附图和实施例对本发明做进一步阐述和说明。
一种参数自适应的机器人碰撞检测方法,包括如下步骤:
1)进行机器人动力学建模及动力学参数辨识;
参照图1,机器人动力学参数辨识方法具体为:首先基于牛顿-欧拉法构建机器人动力学模型,当连杆数较多时,牛顿-欧拉法的求解方法较为简捷,因此以牛顿-欧拉法为例,牛顿-欧拉法包含外推与内推两个步骤,外推为从关节一到关节六,通过各关节的角速度与角加速度求解所连接连杆的质心速度与质心加速度,进而求得各连杆所受到的力与力矩;内推为从连杆六到连杆一,通过连杆所受的力矩以及外界环境施加的力矩求解所连接关节所受到的力矩,可以求得如下机器人动力学方程:
将机器人动力学模型进行线性变换,转换为两部分的乘积,其中一部分为机器人动力学基本参数集,另一部分为非线性函数矩阵,与动力学参数无关,如下:
设计基于周期性傅里叶级数的激励轨迹,并以条件数作为激励轨迹的优化标准;
使机器人按照激励轨迹进行运动,同时采集机器人各关节的角度、角速度以及关节力矩等原始数据,对原始数据进行处理,采用最小二乘进行动力学参数求解,得到机器人动力学模型;
2)在机器人动力学模型的基础上,设计基于广义动量的扰动观测器,用于机器人外部碰撞力的检测;
当得到机器人动力学模型后,由机器人动力学模型设计基于广义动量的扰动观测器方法,扰动观测器方法框架如图2所示,框架上半部分为机械臂本体动力学模型,下半部分为扰动观测器方法框架,由图2可以看到获取机械臂本体的关节驱动力矩、关节角度以及关节角速度并将其输入到扰动观测器中,便可以估计出机械臂外部的干扰力矩;机器人广义动量定义为:基于广义动量的扰动观测器方法如下:
其中,r为外部碰撞力矩的观测值;K为增益常数;
根据基于广义动量的扰动观测器方法实时采集机器人在运行过程中的角度、角速度以及关节电流数据,通过扰动观测器实时估计机器人所受到的外部碰撞力;
3)设计机器人动力学参数自适应方法;
基于广义动量的扰动观测器方法是基于机器人动力学模型建立的,对于机器人动力学模型的准确性依赖较大,当机器人动力学模型辨识不准确时,扰动观测器的碰撞检测效果较差,会产生误报现象;并且随着机器人的不断运行,机器人的动力学模型也会发生变化,导致扰动观测器的碰撞检测出现误报,因此引入机器人动力学参数自适应方法以解决机器人动力学参数无法准确获得且动力学模型在机器人运行过程中发生变化的问题;
基于广义动量的扰动观测器添加参数自适应模块即基于参数自适应的碰撞检测方法可表示为:
XB(t)=XB(t-1)+ΔXB
基于参数自适应的碰撞检测方法是以广义动量观测器为基础,如图3所示,通过实时采集机器人运行过程中的角度、角速度以及电流信号来估计所受到的外部碰撞力;当未发生碰撞时,以扰动观测器的残差值作为基于参数自适应的碰撞检测方法的输入,以此进行机器人动力学模型参数的调整,提高扰动观测器的鲁棒性;
4)设置动态变化的动量观测器残差阈值;
扰动观测器估计的外部碰撞力由于噪声以及其他的外部干扰,并且由于准确的机器人动力学模型无法获得,因此存在一定的初始误差值也即残差,因此设置机器人碰撞上限阈值以及碰撞下限阈值;
5)采集机器人运行过程中的角度、角速度以及电流信号作为方法输入,当估计的外部碰撞力超过动量观测器残差阈值范围时,判断为机器人与外界物体或操作人员发生碰撞。
基于参数自适应的碰撞检测方法用来估计外部力矩的自适应观测器的机器人动力学模型参数是连续估计与更新的,而不是最开始动力学参数辨识方法得到的固定数值,因此,应该保证自适应观测器信号的稳定性来确保自适应方法的稳定性。所以针对不同系统,使用李雅普诺夫方程验证方法的稳定性与收敛性,如下:
其中:V为李雅普诺夫算子,r为外部碰撞力矩的观测值,K为增益常数,ΔXB为动力学基本参数集修正量;
由于扰动观测器的初始残差是随时间变化的,因此设置动态变化的扰动观测器残差阈值,当估计的外部碰撞力超过阈值范围时,判断为机器人与外界物体或操作人员发生碰撞。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (2)
1.一种参数自适应的机器人碰撞检测方法,其特征在于,包括如下步骤:
1)进行机器人动力学建模及动力学参数辨识;
2)在机器人动力学模型的基础上,设计基于广义动量的扰动观测器,用于机器人外部碰撞力的检测;
3)设计机器人动力学参数自适应方法;
4)设置动态变化的动量观测器残差阈值;
5)采集机器人运行过程中的角度、角速度以及电流信号作为方法输入,当估计的外部碰撞力超过动量观测器残差阈值范围时,判断为机器人与外界物体或操作人员发生碰撞;
所述的步骤1)中的机器人动力学参数辨识方法为:首先基于牛顿-欧拉方法或拉格朗日法构建机器人动力学模型,采用牛顿-欧拉法时,牛顿-欧拉法包含外推与内推两个步骤,外推为从关节一到关节六,通过各关节的角速度与角加速度求解所连接连杆的质心速度与质心加速度,进而求得各连杆所受到的力与力矩;内推为从连杆六到连杆一,通过连杆所受的力矩以及外界环境施加的力矩求解所连接关节所受到的力矩,求得如下机器人动力学方程:
将机器人动力学方程进行线性变换,转换为两部分的乘积,其中一部分为机器人动力学基本参数集,另一部分为非线性函数矩阵,与动力学参数无关,如下:
设计基于周期性傅里叶级数的激励轨迹,并以条件数作为激励轨迹的优化标准;
使机器人按照激励轨迹进行运动,同时采集机器人各关节的角度、角速度以及关节力矩的原始数据,对原始数据进行处理,采用最小二乘或其他方法进行动力学参数求解,得到机器人动力学模型;
其中,r为外部碰撞力矩的观测值;K为增益常数;
基于广义动量的扰动观测器实时采集机器人在运行过程中的角度、角速度以及关节电流数据,通过扰动观测器实时估计机器人所受到的外部碰撞力;
所述的步骤3)中的机器人动力学参数自适应方法为:
XB(t)=XB(t-1)+ΔXB
当机器人未发生碰撞时,以扰动观测器的残差值作为参数自适应方法的输入,以此进行机器人动力学模型参数的自适应调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470344.5A CN114012734B (zh) | 2021-12-03 | 2021-12-03 | 一种参数自适应的机器人碰撞检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470344.5A CN114012734B (zh) | 2021-12-03 | 2021-12-03 | 一种参数自适应的机器人碰撞检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114012734A CN114012734A (zh) | 2022-02-08 |
CN114012734B true CN114012734B (zh) | 2023-05-30 |
Family
ID=80067892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111470344.5A Active CN114012734B (zh) | 2021-12-03 | 2021-12-03 | 一种参数自适应的机器人碰撞检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114012734B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114407022B (zh) * | 2022-03-07 | 2022-09-09 | 哈尔滨工业大学 | 一种基于模型参数误差观测器的机械臂碰撞检测方法 |
CN114800496B (zh) * | 2022-04-18 | 2023-11-03 | 中国科学院空间应用工程与技术中心 | 空间机器人接触操作的风险判定方法、系统、介质及设备 |
CN114800525B (zh) * | 2022-05-26 | 2023-12-08 | 江西省智能产业技术创新研究院 | 机器人碰撞检测方法、系统、计算机及可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107813345A (zh) * | 2017-11-28 | 2018-03-20 | 广东省智能制造研究所 | 机器人碰撞检测方法及装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4756618B2 (ja) * | 2001-03-21 | 2011-08-24 | 株式会社ダイヘン | 多関節ロボットにおける衝突検出・停止制御法 |
CN101673085B (zh) * | 2009-09-21 | 2013-04-03 | 重庆大学 | 基于逆动力学模型的自适应pid控制器的设计方法 |
CN108015774B (zh) * | 2017-12-15 | 2020-10-13 | 北京艾利特科技有限公司 | 一种无需传感器的机械臂碰撞检测方法 |
CN108469738A (zh) * | 2018-05-17 | 2018-08-31 | 陕西理工大学 | 一种移动机器人的自适应动力学控制方法 |
CN109814386B (zh) * | 2019-01-24 | 2021-08-31 | 天津大学 | 基于无模型外环补偿的机器人轨迹跟踪自抗扰控制方法 |
CN110026981B (zh) * | 2019-04-19 | 2021-09-17 | 中科新松有限公司 | 一种基于模型自适应的机械臂碰撞检测方法 |
CN110065070B (zh) * | 2019-04-29 | 2020-09-18 | 华中科技大学 | 一种基于动力学模型的机器人自适应阻抗控制系统 |
CN110421569B (zh) * | 2019-08-29 | 2023-01-31 | 南京邮电大学 | 一种基于有限时间扰动观测器的反演滑模机械臂控制器设计方法 |
CN111007804B (zh) * | 2019-12-05 | 2023-06-02 | 齐鲁工业大学 | 一种切削加工机器人的动态误差补偿与控制方法 |
CN111267105A (zh) * | 2020-03-18 | 2020-06-12 | 无锡砺成智能装备有限公司 | 一种六关节机器人的动力学参数辨识及碰撞检测方法 |
CN113459160B (zh) * | 2021-06-23 | 2022-08-30 | 佛山智能装备技术研究院 | 一种基于二阶广义动量观测器的机器人碰撞检测方法 |
-
2021
- 2021-12-03 CN CN202111470344.5A patent/CN114012734B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107813345A (zh) * | 2017-11-28 | 2018-03-20 | 广东省智能制造研究所 | 机器人碰撞检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114012734A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114012734B (zh) | 一种参数自适应的机器人碰撞检测方法 | |
CN109940622B (zh) | 一种基于电机电流的机器人机械臂无传感碰撞检测方法 | |
CN108772838B (zh) | 一种基于外力观测器的机械臂安全碰撞策略 | |
US9221170B2 (en) | Method and apparatus for controlling a robotic device via wearable sensors | |
US10324425B2 (en) | Human collaborative robot system having improved external force detection accuracy by machine learning | |
CN101002151B (zh) | 实时车辆动力学性能估计系统 | |
CN111267105A (zh) | 一种六关节机器人的动力学参数辨识及碰撞检测方法 | |
CN110162046B (zh) | 基于事件触发型模型预测控制的无人车路径跟随方法 | |
Choi et al. | Enhanced SLAM for a mobile robot using extended Kalman filter and neural networks | |
CN112947293A (zh) | 基于滑模的机械臂安全轨迹跟踪控制方法 | |
CN110609473B (zh) | 一种不确定模型机器人的控制方法 | |
CN113021353B (zh) | 机器人碰撞检测方法 | |
CN116107212A (zh) | 一种基于切换策略的空中作业机器人力位混合控制方法 | |
Huang et al. | Collision detection for cobots: A back-input compensation approach | |
CN113246137A (zh) | 基于外力矩估计模型的机器人碰撞检测方法 | |
CN114715161A (zh) | 一种联合滑移控制的纵向车速估计方法 | |
Xu et al. | Linear time-varying MPC vehicle trajectory tracking controller considering driving road surface factors | |
CN113705865B (zh) | 一种基于深度神经网络的汽车稳定性因数预测方法 | |
CN113160549B (zh) | 一种自动识别车辆事故系统以及识别方法 | |
CN116330344A (zh) | 一种基于监督学习的支持向量机的协作机器人碰撞检测方法 | |
CN112743535B (zh) | 一种自适应碰撞检测方法、装置以及存储介质 | |
CN114594757A (zh) | 一种协作机器人的视觉路径规划方法 | |
Kim | Dnn-based slip ratio estimator for lugged-wheel robot localization in rough deformable terrains | |
CN107284378A (zh) | 一种基于移动终端的汽车驾驶状态的监控方法 | |
Miao et al. | Research on dynamic obstacle avoidance path planning strategy of AGV |
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 |