CN114029954B - 一种异构伺服的力反馈估计方法 - Google Patents

一种异构伺服的力反馈估计方法 Download PDF

Info

Publication number
CN114029954B
CN114029954B CN202111380807.9A CN202111380807A CN114029954B CN 114029954 B CN114029954 B CN 114029954B CN 202111380807 A CN202111380807 A CN 202111380807A CN 114029954 B CN114029954 B CN 114029954B
Authority
CN
China
Prior art keywords
model
estimation
speed
torque
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
Application number
CN202111380807.9A
Other languages
English (en)
Other versions
CN114029954A (zh
Inventor
邢伯阳
刘宇飞
王志瑞
梁振杰
赵建新
邱天奇
苏波
江磊
李冀川
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.)
Intelligent Mobile Robot Zhongshan Research Institute
China North Vehicle Research Institute
Original Assignee
Intelligent Mobile Robot Zhongshan Research Institute
China North Vehicle Research Institute
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 Intelligent Mobile Robot Zhongshan Research Institute, China North Vehicle Research Institute filed Critical Intelligent Mobile Robot Zhongshan Research Institute
Priority to CN202111380807.9A priority Critical patent/CN114029954B/zh
Publication of CN114029954A publication Critical patent/CN114029954A/zh
Application granted granted Critical
Publication of CN114029954B publication Critical patent/CN114029954B/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
    • B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及自动控制领域，公开一种异构伺服执行器的力反馈估计方法。本发明首先针对不同类型的异构伺服执行器对其原始测量数据进行数字滤波；构建力伺服执行器的线性估计模型，采集真实扭矩测量数据对上述模型中系数进行拟合求解最优化的模型系数；构建位置/速度执行器的非线性估计模型，采集真实扭矩测量数据对上述模型中系数进行拟合求解最优化的模型系数；在得到模型系数后，向模型中分别输入采集的位置、速度和电流测量值，在线估计得到估计结果；基于虚功原理和雅克比矩阵计算当前扭矩估计结果对应的力。本发明解决了异构执行器力反馈在线估计的问题，并提高了执行器机构存在磨损、静摩擦和接触抖动时力反馈测量的鲁棒性。

Description

一种异构伺服的力反馈估计方法
技术领域
本发明涉及自动控制领域，具体是一种机器人状态估计方法。
背景技术
机器人伺服力控技术是实现高动态、高精度闭环的关键，传统力前馈控制通过将期望力以虚功理论和雅克比动力学模型向关节执行器进行映射，从而实现对期望力的前馈输出，而在实际机器人控制系统中由于存在摩擦、接触抖动、力矩映射模型参数摄动等问题，仅采用前馈输出难以保证精度和鲁棒性，因此目前主要通过引入力反馈的控制方法来提高力跟踪精度、降低输出噪声，传统在线力估计需要执行器为力伺服即能直接或间接测量当前力矩，但对于位置、速度等执行器来说无法实现对无外部力矩传感器下的力估计，因此为对异构执行器的力在线估计，需要提出一种新的力反馈估计方法。
发明内容
本发明所要解决的技术问题是提供一种异构伺服执行器的力反馈估计方法，其用于仿生机器人支撑相力控中的力反馈控制需求，同时面向位置、速度和力异构执行器类型实现当前力的拟合和估计。
本发明的技术方案如下：
本发明构建多通道力反馈估计模型(图1)，面向力控制伺服采用其位置、速度和力矩测量结果进行比例加强融合实现反馈估计，对于位置、速度执行器由于其无法精确获取当前力矩测量值，因此基于离线力矩传感器拟合标定的方式，采用辨识算法构建位置、速度与力反馈间的映射模型，获取执行器的虚拟力矩，最终基于虚功原理实现对当前执行器力反馈的在线估计，并进一步用于力伺服控制回路中，本发明方法的主要流程步骤(图2)如下：
步骤1，针对不同类型的异构伺服执行器对其原始测量数据进行数字滤波，所述的原始测量数据包括位置、速度和电流测量值；
步骤2，构建力伺服执行器的线性估计模型，采集真实扭矩测量数据对上述模型中系数进行拟合求解最优化的模型系数；
步骤3，构建位置/速度执行器的非线性估计模型，采集真实扭矩测量数据对上述模型中系数进行拟合求解最优化的模型系数；
步骤4，在得到模型系数后，向力伺服反馈线性估计模型、位置/速度伺服执行器扭矩估计模型中分别输入采集的位置、速度和电流测量值，在线估计得到执行器电流测量值转换扭矩估计结果
Figure BDA0003354173850000025
以及位置/速度测量值转换扭矩估计结果
Figure BDA0003354173850000026
步骤5，基于虚功原理和雅克比矩阵计算当前扭矩估计结果对应的力Fest：
Figure BDA0003354173850000021
其中J为雅克比矩阵。
进一步地，所述步骤1中，
对于位置测量值，采用微分跟踪滤波器对位置测量值进行滤波，计算输入角度q的角速度增量Δq；
对于速度增量，采用低通滤波器对速度增量进行滤波得到
Figure BDA0003354173850000022
然后对滤波后的
Figure BDA0003354173850000023
进行积分获得积分角度估计值：
Figure BDA0003354173850000024
最后，对积分角度估计值进行单圈复位和限幅处理，即当角度超过0°和360°后做零点补偿处理：
Figure BDA0003354173850000031
其中qbase为单圈复位基准；
对于速度与电流测量值仅采用低通滤波器进行处理。
进一步地，所述步骤2中，构建的力伺服执行器的线性估计模型如下：
Figure BDA0003354173850000032
其中Kq为待标定位置比例系数，Kv为待标定速度比例系数，Km为已知的电流扭矩转换系数，
Figure BDA0003354173850000033
为滤波后的电流测量值，
Figure BDA0003354173850000034
为模型输出的扭矩估计结果。
进一步地，所述步骤2中，采用最小二乘法对力伺服执行器的线性估计模型待求参数
Figure BDA0003354173850000035
进行拟合，如下式使模型估计结果
Figure BDA0003354173850000036
与真实测量扭矩测量值τm间误差最小化，得到最优化的模型参数
Figure BDA0003354173850000037
Figure BDA0003354173850000038
其中
Figure BDA0003354173850000039
为优化的位置比例系数；
Figure BDA00033541738500000310
为优化的速度比例系数；
Figure BDA00033541738500000311
为优化的电流扭矩转换系数；通过在异构伺服执行器安装相关扭矩传感器对真实扭矩输出τm进行测量。
进一步地，所述步骤3中，构建的位置/速度伺服执行器的非线性估计模型如下：
Figure BDA00033541738500000312
其中
Figure BDA00033541738500000313
为模型输出的扭矩估计结果，Kq,i为待标定位置比例系数，Kv,i为待标定速度比例系数，n为模型阶次，
Figure BDA00033541738500000314
为积分角度估计值，
Figure BDA00033541738500000315
为滤波后的关节角速度。
进一步地，所述步骤3中，采用深度学习或迭代优化方法求解位置/速度伺服执行器非线性力估计模型系数
Figure BDA00033541738500000316
如下式使模型估计结果
Figure BDA00033541738500000317
与真实测量扭矩测量值τm间误差最小化，得到最优化的模型参数
Figure BDA00033541738500000318
Figure BDA0003354173850000041
其中
Figure BDA0003354173850000042
为优化的位置比例系数，
Figure BDA0003354173850000043
为优化的速度比例系数。
进一步地，所述步骤4中，得到最优参数后，向模型中输入采集的位置、速度和电流测量值得到扭矩估计结果
Figure BDA0003354173850000044
Figure BDA0003354173850000045
本发明的优点：本发明提供的一种异构伺服执行器的力反馈估计方法，其通过引入位置变化和速度变化来估计执行器作用力，从而实现在机器人控制系统中构建力反馈控制器的目的。由于位置、速度执行器无法直接反馈力矩数据，本发明通过对执行器力反馈数据离线拟合和标定的方法，构建位置和速度变化与力反馈估计间的映射模型，为执行器力反馈控制提供虚拟力矩数据，从而解决异构执行器力反馈在线估计的问题，并提高执行器机构存在磨损、静摩擦和接触抖动时力反馈测量的鲁棒性。
附图说明
图1是力反馈估计模型框图；
图2是所提方法的计算步骤流程框图
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明提供的一种异构伺服执行器的力反馈估计方法，其通过引入位置变化和速度变化来估计执行器作用力，从而实现在系统中构建力反馈控制器的目的。由于位置、速度执行器无法直接反馈力矩数据，本发明通过对执行器力反馈数据离线拟合和标定的方法，构建位置和速度变化与力反馈估计间的映射模型，为执行器力反馈控制提供虚拟力矩数据，从而解决异构执行器力反馈在线估计的问题，并提高执行器机构存在磨损、静摩擦和接触抖动时力反馈测量的鲁棒性。
其具体步骤如下：
步骤1，针对不同类型的异构伺服执行器对其原始测量数据进行数字滤波，所述的原始测量数据包括位置、速度和电流测量值。
针对位置、速度和电流测量值采取不同的处理方法：
(1)对于位置测量值，位置测量值存在单圈和多圈角度阶跃的问题，从而出现测量值在0°和360°间的跳变，因此本发明首先采用微分跟踪滤波器对其进行滤波；计算输入角度q的角速度增量Δq；
(2)对于速度增量，首先采用低通滤波器对速度增量进行滤波得到
Figure BDA0003354173850000051
然后对滤波后的
Figure BDA0003354173850000052
进行积分获得积分角度估计值：
Figure BDA0003354173850000053
最后，对积分角度进行单圈复位和限幅处理，即当角度超过0°和360°后做零点补偿处理：
Figure BDA0003354173850000054
其中qbase为单圈复位基准。
(3)对于速度与电流测量值，由于不存在周期跳变情况，因此仅采用低通滤波器进行处理。
本发明依据异构执行器类型来确定其采用的力反馈估计模型：
Figure BDA0003354173850000055
Figure BDA0003354173850000061
步骤2，基于步骤1中数字滤波处理后的上述测量值实现对异构伺服执行器作用力的在线估计，对于电流测量来说其可以直接通过电流扭矩系数结合执行器减速比例换算得到，而对于位置与速度测量值本发明通过离线标定拟合的方式获取其变化量与扭矩测量间的映射关系，并最终实现对力反馈的估计。
(1)构建力伺服执行器的线性估计模型：
Figure BDA0003354173850000062
其中Kq为待标定位置比例系数，Kv为待标定速度比例系数，Km为已知的电流扭矩转换系数，
Figure BDA0003354173850000063
为滤波后的电流测量值，
Figure BDA0003354173850000064
为模型输出的扭矩估计结果，即由电流测量值换算的扭矩数据。
(2)对上述力伺服执行器的线性估计模型进行离线标定，标定中需要在异构伺服执行器安装相关扭矩传感器对真实扭矩输出τm进行测量，给定不同负载、转速和位置下的测试轨迹并实时记录当前的位置、速度和真实力矩测量值，采用最小二乘法对上述力伺服执行器的线性估计模型待求系数
Figure BDA0003354173850000065
进行拟合，如下式使力伺服执行器的线性估计模型的估计结果
Figure BDA0003354173850000066
与真实扭矩测量值τm间误差最小化，来获取最优化的模型参数
Figure BDA0003354173850000067
Figure BDA0003354173850000068
其中
Figure BDA0003354173850000069
为优化的位置比例系数；
Figure BDA00033541738500000610
为优化的速度比例系数；
Figure BDA00033541738500000611
为优化的电流扭矩转换系数，τm为真实扭矩测量值，通过在异构伺服执行器安装相关扭矩传感器对真实扭矩输出进行测量；
Figure BDA00033541738500000612
为模型输出的扭矩估计结果。
步骤3，对于位置/速度执行器来说由于其测量数据与扭矩反馈间存在非线性映射关系，因此本发明构建相应的非线性估计模型：
(1)构建位置/速度伺服执行器的非线性估计模型：
Figure BDA0003354173850000071
其中
Figure BDA0003354173850000072
为模型输出的扭矩估计结果，Kq,i为待标定位置比例系数，Kv,i为待标定速度比例系数，n为模型阶次，
Figure BDA0003354173850000073
为积分角度估计值，
Figure BDA0003354173850000074
为滤波后的关节角速度。
(2)对上述非线性估计模型进行离线标定，同样在执行器输出端安装力矩传感器对真实力矩进行测量τm，给定不同负载、转速和位置下的测试轨迹并实时记录当前的位置、速度和真实力矩测量值，采用深度学习或迭代优化等方法求解上述模型系数，如下式使模型估计结果
Figure BDA0003354173850000075
与真实测量扭矩测量值τm间误差最小化
Figure BDA0003354173850000076
来获取最优化的模型参数
Figure BDA0003354173850000077
Figure BDA0003354173850000078
其中
Figure BDA0003354173850000079
为优化的位置比例系数，
Figure BDA00033541738500000710
为优化的速度比例系数，τm为真实扭矩输出值。
步骤4，获取的各模型最优化模型系数后，向力伺服反馈线性估计模型、位置/速度伺服执行器扭矩估计模型中输入采集的位置、速度和电流测量值，在线估计得到执行器电流测量值转换扭矩估计结果
Figure BDA00033541738500000711
以及位置/速度测量值转换扭矩估计结果
Figure BDA00033541738500000712
基于拟合模型实时估计当前的虚拟扭矩：
Figure BDA00033541738500000713
其中，
Figure BDA00033541738500000714
为由电流测量值转换的扭矩估计结果、
Figure BDA00033541738500000715
为由位置与速度测量值转换的扭矩估计结果。
步骤5，基于虚功原理和雅克比矩阵计算当前扭矩估计结果对应的力：
Figure BDA0003354173850000081
其中J为雅克比矩阵。
本发明异构伺服执行器的力反馈估计方法用于仿生机器人支撑相力控中的力反馈控制需求，同时面向位置、速度和力异构执行器类型实现当前力的拟合和估计。本发明构建多通道力反馈估计模型，面向力控制伺服采用其位置、速度和力矩测量结果进行比例加强融合实现反馈估计，对于位置、速度执行器由于其无法精确获取当前力矩测量值，因此基于离线力矩传感器拟合标定的方式，采用辨识算法构建位置、速度与力反馈间的映射模型，获取执行器的虚拟力矩，最终基于虚功原理实现对当前执行器力反馈的在线估计，并进一步用于力伺服控制回路中，本发明适用于机器人运动控制领域。

Claims (7)

1.一种异构伺服的力反馈估计方法，其特征在于，该方法包括如下步骤：
步骤1，针对不同类型的异构伺服执行器对其原始测量数据进行数字滤波，所述的原始测量数据包括位置、速度和电流测量值；
步骤2，构建力伺服执行器的线性估计模型，采集真实扭矩测量数据对力伺服执行器的线性估计模型中系数进行拟合求解最优化的模型系数；
步骤3，构建位置/速度执行器的非线性估计模型，采集真实扭矩测量数据对位置/速度执行器的非线性估计模型中系数进行拟合求解最优化的模型系数；
步骤4，在得到模型系数后，向力伺服反馈线性估计模型、位置/速度伺服执行器扭矩估计模型中分别输入采集的位置、速度和电流测量值，在线估计得到执行器电流测量值转换扭矩估计结果
Figure FDA0004055914570000011
以及位置/速度测量值转换扭矩估计结果
Figure FDA0004055914570000012
步骤5，基于虚功原理和雅克比矩阵计算当前扭矩估计结果对应的力Fest：
Figure FDA0004055914570000013
其中J为雅克比矩阵。
2.如权利要求1所述的力反馈估计方法，其特征在于，所述步骤1中，
对于位置测量值，采用微分跟踪滤波器对位置测量值进行滤波，计算输入角度q的角速度增量Δq；
对于速度增量，采用低通滤波器对速度增量进行滤波得到
Figure FDA0004055914570000014
然后对滤波后的
Figure FDA0004055914570000015
进行积分获得积分角度估计值：
Figure FDA0004055914570000016
最后，对积分角度估计值进行单圈复位和限幅处理，即当角度超过0°和360°后做零点补偿处理：
Figure FDA0004055914570000021
其中qbase为单圈复位基准；
对于速度与电流测量值仅采用低通滤波器进行处理。
3.如权利要求2所述的力反馈估计方法，其特征在于，所述步骤2中，构建的力伺服执行器的线性估计模型如下：
Figure FDA0004055914570000022
其中Kq为待标定位置比例系数，Kv为待标定速度比例系数，Km为已知的电流扭矩转换系数，
Figure FDA0004055914570000023
为滤波后的电流测量值，
Figure FDA0004055914570000024
为模型输出的扭矩估计结果，
Figure FDA0004055914570000025
为滤波后的关节角速度。
4.如权利要求3所述的力反馈估计方法，其特征在于，所述步骤2中，采用最小二乘法对力伺服执行器的线性估计模型待求参数
Figure FDA0004055914570000026
进行拟合，如下式使模型估计结果
Figure FDA0004055914570000027
与真实测量扭矩测量值τm间误差最小化，得到最优化的模型参数
Figure FDA0004055914570000028
Figure FDA0004055914570000029
其中
Figure FDA00040559145700000210
为优化的位置比例系数；
Figure FDA00040559145700000211
为优化的速度比例系数；
Figure FDA00040559145700000212
为优化的电流扭矩转换系数；通过在异构伺服执行器安装相关扭矩传感器对真实扭矩输出τm进行测量。
5.如权利要求4所述的力反馈估计方法，其特征在于，所述步骤3中，构建的位置/速度伺服执行器的非线性估计模型如下：
Figure FDA00040559145700000213
其中
Figure FDA00040559145700000214
为模型输出的扭矩估计结果，Kq,i为待标定位置比例系数，Kv,i为待标定速度比例系数，n为模型阶次，
Figure FDA00040559145700000215
为积分角度估计值，
Figure FDA00040559145700000216
为滤波后的关节角速度。
6.如权利要求5所述的力反馈估计方法，其特征在于，所述步骤3中，采用深度学习或迭代优化方法求解位置/速度伺服执行器非线性力估计模型系数
Figure FDA0004055914570000031
如下式使模型估计结果
Figure FDA0004055914570000032
与真实测量扭矩测量值τm间误差最小化，得到最优化的模型参数
Figure FDA0004055914570000033
Figure FDA0004055914570000034
其中
Figure FDA0004055914570000035
为优化的位置比例系数，
Figure FDA0004055914570000036
为优化的速度比例系数。
7.如权利要求6所述的力反馈估计方法，其特征在于，所述步骤4中，得到最优参数后，向模型中输入采集的位置、速度和电流测量值，得到扭矩估计结果
Figure FDA0004055914570000037
Figure FDA0004055914570000038
CN202111380807.9A 2021-11-15 2021-11-15 一种异构伺服的力反馈估计方法 Active CN114029954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111380807.9A CN114029954B (zh) 2021-11-15 2021-11-15 一种异构伺服的力反馈估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111380807.9A CN114029954B (zh) 2021-11-15 2021-11-15 一种异构伺服的力反馈估计方法

Publications (2)

Publication Number Publication Date
CN114029954A CN114029954A (zh) 2022-02-11
CN114029954B true CN114029954B (zh) 2023-04-28

Family

ID=80144976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111380807.9A Active CN114029954B (zh) 2021-11-15 2021-11-15 一种异构伺服的力反馈估计方法

Country Status (1)

Country Link
CN (1) CN114029954B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114800532B (zh) * 2022-06-27 2022-09-16 西南交通大学 机械臂控制参数确定方法、装置、设备、介质和机器人

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113561168A (zh) * 2021-06-11 2021-10-29 华中科技大学 基于力矩控制减速增扭力控装置、方法、设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11278433B2 (en) * 2005-03-31 2022-03-22 Massachusetts Institute Of Technology Powered ankle-foot prosthesis
JP2014034101A (ja) * 2012-08-10 2014-02-24 Toshiba Corp ロボット制御装置
CN106483964B (zh) * 2015-08-31 2019-12-31 中南大学 一种基于接触力观测器的机器人柔顺控制方法
CN107065908A (zh) * 2017-04-14 2017-08-18 中国北方车辆研究所 一种规划四足机器人静步态机身运动轨迹的方法
CN108466289B (zh) * 2018-03-07 2021-06-04 长安大学 一种考虑关节摩擦的并联机器人的动力学建模方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113561168A (zh) * 2021-06-11 2021-10-29 华中科技大学 基于力矩控制减速增扭力控装置、方法、设备及存储介质

Also Published As

Publication number Publication date
CN114029954A (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
CN109927032B (zh) 一种基于高阶滑模观测器的机械臂轨迹跟踪控制方法
EP1034459B1 (en) Multiple scale signal processing and control system
Hoseinnezhad et al. Calibration of resolver sensors in electromechanical braking systems: A modified recursive weighted least-squares approach
CN101846975B (zh) 带有动态摩擦补偿的伺服系统自适应鲁棒控制器
CN106233214B (zh) 补偿机器人运动偏差
CN114029954B (zh) 一种异构伺服的力反馈估计方法
CN113203429B (zh) 一种陀螺仪温度漂移误差的在线估计及补偿方法
CN110142762B (zh) 一种机器人关节位置控制方法、装置和机器人
CN106644253A (zh) 用于恒力磨削的三维力传感器解耦标定及滤波方法与装置
CN110504880B (zh) 一种磁通切换永磁直线电机干扰观测前馈补偿控制方法
CN110441027B (zh) 一种控制探针自动跟踪系统零点漂移的修正方法
CN102175889B (zh) 一种伺服转台角加速度自适应测量方法
CN104569811B (zh) 马达参数测量方法与马达参数测量系统
CN112605997A (zh) 一种用于机械臂的主动自适应力控装置及其控制方法
CN109773827B (zh) 用于机械臂的负载估测重力补偿的方法及其系统
CN111880483B (zh) 一种雷达天线四电机驱动伺服系统预定性能控制方法
CN110022137B (zh) 一种简易互补融合滤波及微分估计方法
Merry et al. Velocity and acceleration estimation for optical incremental encoders
Kubus et al. A sensor fusion approach to angle and angular rate estimation
CN108107882B (zh) 基于光学运动跟踪的服务机器人自动标定与检测系统
Yuan et al. Robot position realization based on multi-sensor information fusion algorithm
Baran et al. Functional observers for motion control systems
CN112904393B (zh) 一种导航路径几何约束辅助的农业机械自主导航方法
JP3322892B2 (ja) 多軸ロボットの制御装置
CN110146720A (zh) 一种起重机的速度测量装置及测量方法

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