CN114161428B - 机器人控制方法、装置、电子设备和存储介质 - Google Patents

机器人控制方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114161428B
CN114161428B CN202111648658.XA CN202111648658A CN114161428B CN 114161428 B CN114161428 B CN 114161428B CN 202111648658 A CN202111648658 A CN 202111648658A CN 114161428 B CN114161428 B CN 114161428B
Authority
CN
China
Prior art keywords
robot
joint
information
moment
control information
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
CN202111648658.XA
Other languages
English (en)
Other versions
CN114161428A (zh
Inventor
苏至钒
潘晶
杨广晓
夏知拓
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.)
Shanghai Timi Robot Co ltd
Original Assignee
Shanghai Timi Robot 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 Shanghai Timi Robot Co ltd filed Critical Shanghai Timi Robot Co ltd
Priority to CN202111648658.XA priority Critical patent/CN114161428B/zh
Publication of CN114161428A publication Critical patent/CN114161428A/zh
Application granted granted Critical
Publication of CN114161428B publication Critical patent/CN114161428B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本申请提供一种机器人控制方法、装置、电子设备和存储介质，本申请的机器人控制方法包括：响应于用户的操作指令，驱动机器人运行；在机器人的运行过程中，采集机器人的运动状态信息；根据运动状态信息和预设的电流辨识所得的关节动力学参数确定机器人在下一时刻的第一预测控制信息，根据运动状态信息和预设的关节力矩辨识所得的惯性关节动力学参数确定机器人在下一时刻的第二预测控制信息；将第一预测控制信息和第二预测控制信息进行融合处理，得到最终控制信息；根据最终控制信息控制机器人运行。故本申请通过融合两种动力学辨识方法，提高了机器人动力学参数的辨识准确性，提高了对机器人的控制精度。

Description

机器人控制方法、装置、电子设备和存储介质
技术领域
本申请涉及机器人的技术领域，具体而言，涉及一种机器人控制方法、装置、电子设备和存储介质。
背景技术
机器人是一种能够半自主或全自主工作的智能机器。如今，机器人已经被越来越多地应用在工业和服务行业的不同任务需求当中。对机器人更高的控制精度的需求有待于机器人更高精度的动力学参数的获取，机器人动力学参数一般采用参数辨识方法来间接获取。因此，如何提高机器人动力学参数的辨识准确性为本领域亟待解决的技术问题。
发明内容
本申请实施例的目的在于提供一种机器人控制方法、装置、电子设备和存储介质，其通过提高机器人动力学参数的辨识准确性，提高了对机器人的控制精度。
第一方面，本申请提供一种机器人控制方法，包括：响应于用户的操作指令，驱动机器人运行；在机器人的运行过程中，采集机器人的运动状态信息；根据运动状态信息和预设的电流辨识所得的关节动力学参数确定机器人在下一时刻的第一预测控制信息，根据运动状态信息和预设的关节力矩辨识所得的惯性关节动力学参数确定机器人在下一时刻的第二预测控制信息；将第一预测控制信息和第二预测控制信息进行融合处理，得到最终控制信息；根据最终控制信息控制机器人运行。
于一实施例中，电流辨识所得的关节动力学参数的获取步骤包括：控制机器人进行实验；在机器人的实验过程中，采集机器人的测量关节的实验位置信息和电流信息；根据电流信息，计算得到电流等效力矩；根据电流等效力矩和实验位置信息，确定电流辨识所得的关节动力学参数。
于一实施例中，根据电流等效力矩和实验位置信息，确定电流辨识所得的关节动力学参数，包括：采用如下公式进行计算：
其中，pbm为电流辨识所得的关节动力学参数；为基于实验位置信息确定的位移、速度和加速度的观测矩阵；τmotor为电流等效力矩。
于一实施例中，关节力矩辨识所得的惯性关节动力学参数的获取步骤包括：控制机器人进行实验；在机器人的实验过程中，采集机器人的测量关节的实验位置信息和实验关节力矩信息；根据实验位置信息和实验关节力矩信息，确定关节力矩辨识所得的惯性关节动力学参数。
于一实施例中，根据实验位置信息和实验关节力矩信息，确定关节力矩辨识所得的惯性关节动力学参数，包括：采用如下公式进行计算：
其中，pbs为关节力矩辨识所得的惯性关节动力学参数；为基于实验位置信息确定的位移、速度和加速度的观测矩阵；τtor_sensor为实验关节力矩信息。
于一实施例中，运动状态信息包括机器人的测量关节在当前时刻的实际位置信息。根据运动状态信息和预设的电流辨识所得的关节动力学参数确定机器人在下一时刻的第一预测控制信息，根据运动状态信息和预设的关节力矩辨识所得的惯性关节动力学参数确定机器人在下一时刻的第二预测控制信息；包括：根据实际位置信息和电流辨识所得的关节动力学参数，计算得到机器人在下一时刻的第一预测控制信息；根据实际位置信息和关节力矩辨识所得的惯性关节动力学参数，计算得到机器人在下一时刻的第二预测控制信息。
于一实施例中，运动状态信息还包括机器人的测量关节在当前时刻的实际关节力矩信息。将第一预测控制信息和第二预测控制信息进行融合处理，得到最终控制信息，包括：根据第二预测控制信息和实际关节力矩信息，得到补偿控制信息；根据第一预测控制信息和补偿控制信息，得到最终控制信息。
第二方面，本申请提供一种机器人控制装置，包括：响应模块、采集模块、确定模块、融合模块和控制模块，响应模块用于响应于用户的操作指令，驱动机器人运行；采集模块用于在机器人的运行过程中，采集机器人的运动状态信息；确定模块用于根据运动状态信息和预设的电流辨识所得的关节动力学参数确定机器人在下一时刻的第一预测控制信息，根据运动状态信息和预设的关节力矩辨识所得的惯性关节动力学参数确定机器人在下一时刻的第二预测控制信息；融合模块用于将第一预测控制信息和第二预测控制信息进行融合处理，得到最终控制信息；控制模块用于根据最终控制信息控制机器人运行。
于一实施例中，机器人控制装置还包括第一获取模块，第一获取模块用于控制机器人进行实验；在机器人的实验过程中，采集机器人的测量关节的实验位置信息和电流信息；根据电流信息，计算得到电流等效力矩；根据电流等效力矩和实验位置信息，确定电流辨识所得的关节动力学参数。
于一实施例中，第一获取模块还用于采用如下公式进行计算：
其中，pbm为电流辨识所得的关节动力学参数；为基于实验位置信息确定的位移、速度和加速度的观测矩阵；τmotor为电流等效力矩。
于一实施例中，机器人控制装置还包括第二获取模块，第二获取模块用于控制机器人进行实验；在机器人的实验过程中，采集机器人的测量关节的实验位置信息和实验关节力矩信息；根据实验位置信息和实验关节力矩信息，确定关节力矩辨识所得的惯性关节动力学参数。
于一实施例中，第二获取模块还用于采用如下公式进行计算：
其中，pbs为关节力矩辨识所得的惯性关节动力学参数；为基于实验位置信息确定的位移、速度和加速度的观测矩阵；τtor_sensor为实验关节力矩信息。
于一实施例中，运动状态信息包括机器人的测量关节在当前时刻的实际位置信息。确定模块还用于：根据实际位置信息和电流辨识所得的关节动力学参数，计算得到机器人在下一时刻的第一预测控制信息；根据实际位置信息和关节力矩辨识所得的惯性关节动力学参数，计算得到机器人在下一时刻的第二预测控制信息。
于一实施例中，运动状态信息还包括机器人的测量关节在当前时刻的实际关节力矩信息。融合模块还用于：根据第二预测控制信息和实际关节力矩信息，得到补偿控制信息；根据第一预测控制信息和补偿控制信息，得到最终控制信息。
第三方面，本申请提供一种电子设备，包括：存储器和处理器。存储器用以存储计算机程序；处理器用以执行计算机程序，以实现如前述实施方式中任一项的方法。
第四方面，本申请提供一种非暂态计算机可读存储介质，包括：程序，当其藉由电子设备运行时，使得电子设备执行前述实施方式中任一项的方法。
本申请机器人控制方法、装置、电子设备和存储介质，其通过融合两种动力学辨识方法，从而得到一个完整的且兼顾精确性和全面性的机器人动力学参数集合，提高了机器人动力学参数的辨识准确性，提高了对机器人的控制精度。
其中，本申请通过将基于电流检测件辨识得到的电流辨识所得的关节动力学参数与基于力矩检测件辨识得到的关节力矩辨识所得的惯性关节动力学参数融合形成一个机器人动力学参数集合，从而使得本申请的机器人动力学参数集合，不仅通过电流辨识所得的关节动力学参数弥补关节力矩辨识所得的惯性关节动力学参数在机器人的测量关节输出端到电机端之间参数缺失的缺陷，而且通过关节力矩辨识所得的惯性关节动力学参数弥补电流辨识所得的关节动力学参数因摩擦力的非线性而引入误差导致辨识不准的缺陷，故本申请的机器人动力学参数集合具有较高的精确性和全面性，提高了机器人动力学参数辨识准确性。当利用该机器人动力学参数集合对机器人进行实际控制，可以进行有效补偿，提高了对机器人的控制精度。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
图1为本申请一实施例示出的电子设备的结构示意图。
图2为本申请一实施例的机器人控制方法的应用场景示意图。
图3为本申请一实施例的机器人控制方法的流程示意图。
图4为本申请一实施例示出的图3对应实施例中步骤S110的细节流程示意图。
图5为本申请一实施例示出的图3对应实施例中步骤S110的细节流程示意图。
图6为本申请一实施例示出的图3对应实施例中步骤S130的细节流程示意图。
图7为本申请一实施例示出的图3对应实施例中步骤S140的细节流程示意图。
图8为本申请一实施例示出的机器人控制方法的步骤示意图。
图9为本申请一实施例示出的机器人控制装置的结构示意图。
图标：100-电子设备；101-总线；102-存储器；103-处理器；200-机器人控制装置；210-响应模块；220-采集模块；230-确定模块；240-融合模块；250-控制模块；300-机器人控制系统；310-机器人；311-测量关节；312-力矩检测件；313-电机；314-电流检测件；320-主控机；321-关节输出力控制器；322-电机伺服控制器；323-融合控制器。
具体实施方式
术语“第一”、“第二”、“第三”等仅用于区分描述，并不表示排列序号，也不能理解为指示或暗示相对重要性。此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本申请的描述中，需要说明的是，术语“内”、“外”、“左”、“右”、“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，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请的描述中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。
下面将结合附图对本申请的技术方案进行清楚、完整地描述。
请参照图1，其为本申请一实施例示出的电子设备100的结构示意图。电子设备100包括：至少一个处理器103和存储器102，图1中以一个处理器103为例。处理器103和存储器102通过总线101连接，存储器102存储有可被处理器103执行的指令，指令被处理器103执行，以使电子设备100可执行下述的实施例中方法的全部或部分流程，以通过提高机器人动力学参数的辨识准确性来提高机器人310的控制精度。
于一实施例中，处理器103可以是通用处理器103，包括但不限于中央处理器103(Central Processing Unit，CPU)、网络处理器103(Network Processor，NP)等，还可以是数字信号处理器103(Digital Signal Processor，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器103可以是微处理器103或者该处理器103也可以是任何常规的处理器103等，处理器103是电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。处理器103可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。
于一实施例中，存储器102可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，包括但不限于，随机存取存储器102(Random Access Memory，RAM)，只读存储器102(Read Only Memory，ROM)，静态随机存取存储器102(Static Random AccessMemory，简称SRAM)，可编程只读存储器102(Programmable Read-Only Memory，PROM)，可擦除只读存储器102(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器102(Electric Erasable Programmable Read-Only Memory，EEPROM)。
电子设备100可以是手机、笔记本电脑、台式计算机、或者多台计算机组成的运算系统等设备。电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。例如电子设备100还包括用于人机交互的输入输出设备。
请参照图2，其为本申请一实施例示出的机器人控制方法的应用场景示意图。该应用场景可以是机器人控制系统300。机器人控制系统300可以是一个用于控制机器人310的系统，机器人控制系统300包括机器人310以及用于控制机器人310的主控机320。机器人310可以包括机械手等各种移动机器，具有至少一个测量关节311以及至少一个电机313。电机313与测量关节311连接，用于控制测量关节311转动，测量关节311上设有用于检测测量关节311力矩的力矩检测件312以及用于检测测量关节311位置信息的位置检测件，力矩检测件312可以是力矩传感器等，位置检测件可以说。电机313上设有用于检测电机313驱动电流的电流检测件314，电流检测件314可以是电流传感器等。
请参照图3，其为本申请一实施例示出的机器人控制方法的流程示意图。该方法可由图1所示的电子设备100作为图2所示的主控机320执行，以通过提高机器人动力学参数的辨识准确性来提高机器人310的控制精度。该方法包括如下步骤：步骤S110-步骤S150。
步骤S110：响应于用户的操作指令，驱动机器人310运行。
本步骤中用户的操作指令可以是通过主控机320的人机交互界面输入的指令，例如，操作指令可以是通过控制手柄、触摸显示屏、键盘、按键和旋钮等计算机交互设备输入的。该操作指令可以是控制手柄的摇动速度、摇动角度等，该指令可以是触摸显示屏、键盘等方式录入的代码命令。其中，操作指令可以是实时输入的，也可以一次性事先输入的。
步骤S120：在机器人310的运行过程中，采集机器人310的运动状态信息。
本步骤中运动状态信息可以是通过机器人控制系统300中电流检测件314、位置检测件和力矩检测件312等检测部件检测后传输给主控机320的。运动状态信息可以包括机器人310的测量关节311在当前时刻的电流信息、实际位置信息和实际关节力矩信息中的一种或多种，用于反馈机器人310的当前运动状态，从而可以在之后对机器人310的实际控制中进行有效补偿，提高了对机器人310的控制精度。
步骤S130：根据运动状态信息和预设的电流辨识所得的关节动力学参数确定机器人310在下一时刻的第一预测控制信息，根据运动状态信息和预设的关节力矩辨识所得的惯性关节动力学参数确定机器人310在下一时刻的第二预测控制信息。
本步骤中预设的电流辨识所得的关节动力学参数可以是事先基于电流辨识的机器人动力学参数，本步骤中预设的关节力矩辨识所得的惯性关节动力学参数可以是事先基于力矩检测件312辨识的机器人动力学参数。
申请人经过试验发现，由于电流辨识所得的关节动力学参数是依靠电流检测件314进行动力学参数辨识，虽然数据全面，包含测量关节311输出端到电机313的输入端的数据，但容易因摩擦力的非线性而引入误差导致辨识不准、力控性能不高的缺陷。由于关节力矩辨识所得的惯性关节动力学参数是依靠力矩检测件312进行机器人动力学参数辨识，虽然可以较为精确地辨识出测量关节311输出端的动力学参数，但是测量关节311输出端到电机313的输入端的参数缺失，若主控机320是通过控制机器人310电机313的输出力矩来控制测量关节311的力矩时，不能有效补偿，影响对机器人310的控制精度。
综上，本实施例通过将电流辨识所得的关节动力学参数与关节力矩辨识所得的惯性关节动力学参数融合形成一个机器人动力学参数集合，从而不仅通过电流辨识所得的关节动力学参数弥补关节力矩辨识所得的惯性关节动力学参数在机器人310的测量关节311输出端到电机313的输入端之间参数缺失的缺陷，而且通过关节力矩辨识所得的惯性关节动力学参数弥补电流辨识所得的关节动力学参数因摩擦力的非线性而引入误差导致辨识不准的缺陷，故本实施例的机器人动力学参数集合具有较高的精确性和全面性，提高了机器人动力学参数辨识准确性。且本实施例基于该机器人动力学参数集合以及机器人310当前的运动状态信息对机器人310进行动力学分析，得到第一预测控制信息和第二预测控制信息，以备对机器人310进行控制。
步骤S140：将第一预测控制信息和第二预测控制信息进行融合处理，得到最终控制信息。
主控机320将第一预测控制信息和第二预测控制信息进行融合处理，从而可以融合基于电流检测进行的动力学参数辨识结果和力矩检测进行的动力学参数辨识结果，以在之后机器人310的实际控制过程中进行有效补偿，提高了对机器人310的控制精度。
步骤S150：根据最终控制信息控制机器人310运行。
主控机320可以根据最终控制信息通过控制机器人310的电机313来控制测量关节311的转动速度、角度等，来调整机器人310的运行状态。
需要说明的是，在机器人310的运行过程中，步骤S120-步骤S150可以是反复循环进行的，以实现对机器人310的实时控制。
另外，机器人310可以是手术机器人、工业机器人、家务型机器人、搜救类机器人、示教类机器人、服务机器人或者智能机器人等，当机器人310是手术机器人时，本申请的机器人控制方法可以用于机器人310应用前的调试等方面。
请参照图4，其为本申请一实施例示出的图3对应实施例中步骤S110的细节流程示意图。为了获取电流辨识所得的关节动力学参数，该方法在步骤S110之前包括如下步骤：步骤S11011-步骤S11014。
步骤S11011：控制机器人310进行实验。
本步骤中可以包括以下步骤：步骤S1：获取机器人310的动力学模型；步骤S2：对步骤S1获取的机器人310的动力学模型进行线性化，确定机器人动力学参数集合；步骤S3：通过人工输入指令等方式生成实验轨迹信息；步骤S4：根据实验轨迹信息，控制机器人310运行实验轨迹。
于一实施例中，步骤S1获取的机器人310的动力学模型可以包括如下机器人310刚体动力学表达式：
其中，q为测量关节311的当前位移；为测量关节311的当前速度；/>为测量关节311的当前加速度；τ为电机313的输出力矩；τext为外力引起的测量关节311的力矩；M(q)为正定对称惯性矩阵；/>为科里奥利矩阵；g(q)是重力项；τf(q)为摩擦力项。
步骤S2根据上述机器人310刚体动力学表达式得到的机器人310力矩与惯性参数的线性化形式是如下公式：
其中，为基于位移、速度和加速度的观测矩阵；pb为机器人310惯性参数集向量，可以是上述步骤S130涉及的电流辨识所得的关节动力学参数与关节力矩辨识所得的惯性关节动力学参数。τ为力矩，可以是之后步骤所涉及的电流等效力矩和关节力矩等。
步骤S11012：在机器人310的实验过程中，采集机器人310的测量关节311的实验位置信息和电流信息。
本步骤中所采集的通过机器人控制系统300中电流检测件314和位置检测件所测得的，用于反馈机器人310的采集那一时刻的运行状态。
步骤S11013：根据电流信息，计算得到电流等效力矩。
本步骤根据电机313的出厂参数表，获得电机313的输入电流与电机313的输出力矩的关系，从而可以计算得到电流等效力矩，以备步骤S11014的计算。
步骤S11014：根据电流等效力矩和实验位置信息，确定电流辨识所得的关节动力学参数。
本步骤可以根据步骤S2得到的机器人310力矩与惯性参数的线性化公式确定电流辨识所得的关节动力学参数，例如可以对基于位移、速度和加速度的观测矩阵进行共轭、转置、乘法和/或逆矩阵等运算。
于一实施例中，本步骤S11014可以采用如下公式进行计算：
其中，pbm为电流辨识所得的关节动力学参数；为基于步骤S11012所采集的实验位置信息确定的位移q、速度/>和加速度/>的观测矩阵；τmotor为电流等效力矩。
中的速度/>可以通过对位移q进行微分处理得到，加速度/>可以通过对速度/>进行微分处理得到。
为提高参数辨识精度，在本步骤之前，可以对步骤S11014所需的数据(q、和τmotor)进行滤波去噪处理。
需要说明的是，为提高电流辨识所得的关节动力学参数的准确性，步骤S11012-步骤S11014可以是反复循环进行的，以增加实验样本，提高最终确定的电流辨识所得的关节动力学参数的准确性。
请参照图5，其为本申请一实施例示出的图3对应实施例中步骤S110的细节流程示意图。为了获取关节力矩辨识所得的惯性关节动力学参数，该方法在步骤S110之前包括如下步骤：步骤S11021-步骤S11023。
步骤S11021：控制机器人310进行实验。
本步骤S11021的原理与上述步骤S11011的原理相同。详情可以参见上述实施例步骤S11011的描述。
需要说明的是，关节力矩辨识所得的惯性关节动力学参数的获取步骤与电流辨识所得的关节动力学参数的获取步骤可以是同时进行的，也可以是先后进行的。则步骤S11021与上述步骤S11011的实验轨迹可以是相同或者不同的。
本实施例中，关节力矩辨识所得的惯性关节动力学参数的获取步骤与电流辨识所得的关节动力学参数的获取步骤是同时进行的，且实验轨迹是相同的，则步骤S11021和步骤S11011可以合并进行。
步骤S11022：在机器人310的实验过程中，采集机器人310的测量关节311的实验位置信息和实验关节力矩信息。
本步骤中所采集的通过机器人控制系统300中力矩检测件312和位置检测件所测得的，用于反馈机器人310的采集那一时刻的运行状态。
如上，步骤S11022和上述步骤S11012可以合并同时进行，也可以分开进行。步骤S11022与上述步骤S11012的实验位置信息可以是相同或者不同的。本实施例中，则步骤S11022和步骤S11012为合并同时进行的。
步骤S11023：根据实验位置信息和实验关节力矩信息，确定关节力矩辨识所得的惯性关节动力学参数。
步骤S11023的原理与上述步骤S11014的原理相同。步骤S11023和上述步骤S11013、步骤S11014，可以是同时进行的，也可以是先后进行的。
于一实施例中，本步骤S11023可以采用如下公式进行计算：
其中，pbs为关节力矩辨识所得的惯性关节动力学参数；为基于步骤11022所采集的实验位置信息确定的位移q、速度/>和加速度/>的观测矩阵；τtor_sensor为实验关节力矩信息。
中的速度/>可以通过对位移q进行微分处理得到，加速度/>可以通过对速度/>进行微分处理得到。
为提高参数辨识精度，在本步骤之前，可以对步骤S11023所需的数据(q、和τtor_sensor)进行滤波去噪处理。
需要说明的是，与/>根据实验数据来源可能相同或不同，由于本实施例中步骤S11022和步骤S11012为合并同时进行的，则/>与/>相等。
同样，为提高关节力矩辨识所得的惯性关节动力学参数的准确性，步骤S11022-步骤S11023可以是反复循环进行的，以增加实验样本，提高最终确定的关节力矩辨识所得的惯性关节动力学参数的准确性。
请参照图6，其为本申请一实施例示出的图3对应实施例中步骤S130的细节流程示意图。该方法的步骤S130包括如下步骤：步骤S131-步骤S132。
步骤S131：根据实际位置信息和电流辨识所得的关节动力学参数，计算得到机器人310在下一时刻的第一预测控制信息。
本步骤可以根据步骤S2得到的机器人310力矩与惯性参数的线性化公式确定第一预测控制信息。于一实施例中，本步骤S131可以采用如下公式进行计算：
τm_pre＝Yb1pbm；
其中，pbm为步骤S11014所确定的电流辨识所得的关节动力学参数；Yb1
...为基于步骤S120所采集的运动状态信息确定的位移q、速度q和加速度q的观测矩阵；τm_pre为第一预测控制信息，即基于电流辨识所得的关节动力学参数确定的预测力矩。
步骤S132：根据实际位置信息和关节力矩辨识所得的惯性关节动力学参数，计算得到机器人310在下一时刻的第二预测控制信息。
本步骤可以根据步骤S2得到的机器人310力矩与惯性参数的线性化公式确定第二预测控制信息。于一实施例中，本步骤S131可以采用如下公式进行计算：
τs_pre＝Yb1pbs；
其中，pbs为步骤S11024所确定的关节力矩辨识所得的惯性关节动力学参数；Yb1为基于步骤120所采集的运动状态信息确定的位移q、速度和加速度/>的观测矩阵；τs_pre为第二预测控制信息，即基于关节力矩辨识所得的惯性关节动力学参数确定的预测力矩。
需要说明的是，步骤S131和步骤S132可以是同时进行的，也可以是先后进行的。
请参照图7，其为本申请一实施例示出的图3对应实施例中步骤S140的细节流程示意图。请参照图8，其为本申请一实施例示出的机器人控制方法的步骤示意图。步骤S140包括如下步骤：步骤S141-步骤S142。
步骤S141：根据第二预测控制信息和实际关节力矩信息，得到补偿控制信息。
本步骤将步骤S132基于关节力矩辨识所得的惯性关节动力学参数所计算得到的第二预测控制信息τs_pre与步骤S120所测得的实际关节力矩信息τsensor按照第一预设公式运算得到补偿力矩τs_comp，并将其作为补偿控制信息。
于一实施例中，本步骤S141可以采用如下第一预设公式进行计算：
τs_comp＝k1×τs-pre+k2×τsensor；
其中，k1可以是人为事先输入的第一预设值，k2可以是人为事先输入的第二预设值。k1和k2可以相等或者不等，为0、0.1、0.2、0.3、0.5、0.7、0.8、1等数值。于一实施例中，k1和k2可以是通过实验得到的。
步骤S142：根据第一预测控制信息和补偿控制信息，得到最终控制信息。
本步骤将步骤S131基于电流辨识所得的关节动力学参数所计算得到的第一预测控制信息τm_pre和步骤S141所计算得到的补偿控制信息τs_comp按照第二预设公式运算得到最终控制力矩τd，并将其作为最终控制信息，准备发送至电机313以控制机器人310运行。
于一实施例中，本步骤S142可以采用如下第二预设公式进行计算：
τd＝k3×τm-pre+k4×τs-comp；
其中，k3可以是人为事先输入的第三预设值，k4可以是人为事先输入的第四预设值。K3和k4可以相等或者不等，为0、0.1、0.2、0.3、0.5、0.7、0.8、1等数值。于一实施例中，k3和k4可以是通过实验得到的。
如图8所示，主控机320包括关节输出力控制器321、电机伺服控制器322和融合控制器323。其中，关节输出力控制器321用于接收机器人310的力矩检测件312所测量的实际关节力矩信息τsensor，并用于执行步骤S141，将第二预测控制信息τs_pre与实际关节力矩信息τsensor结合得到补偿力矩τs_comp。融合控制器323用于执行步骤S142，将第一预测控制信息τm_pre和补偿控制信息τs_comp融合得到最终控制力矩τd，且用于将最终控制力矩τd发送至电机伺服控制器322。电机伺服控制器322用于控制机器人310的运动。
请参照图9，其为本申请一实施例示出的机器人控制装置200的结构示意图。该装置可应用于图1所示的电子设备100，且可以作为图2所示的主控机320。本机器人控制装置200包括：响应模块210、采集模块220、确定模块230、融合模块240和控制模块250。
其中，各个模块的原理关系如下：响应模块210用于响应于用户的操作指令，驱动机器人310运行；采集模块220用于在机器人310的运行过程中，采集机器人310的运动状态信息；确定模块230用于根据运动状态信息和预设的电流辨识所得的关节动力学参数确定机器人310在下一时刻的第一预测控制信息，根据运动状态信息和预设的关节力矩辨识所得的惯性关节动力学参数确定机器人310在下一时刻的第二预测控制信息；融合模块240用于将第一预测控制信息和第二预测控制信息进行融合处理，得到最终控制信息；控制模块250用于根据最终控制信息控制机器人310运行。
于一实施例中，机器人控制装置200还包括第一获取模块，第一获取模块用于控制机器人310进行实验；在机器人310的实验过程中，采集机器人310的测量关节311的实验位置信息和电流信息；根据电流信息，计算得到电流等效力矩；根据电流等效力矩和实验位置信息，确定电流辨识所得的关节动力学参数。
于一实施例中，第一获取模块还用于采用如下公式进行计算：
其中，pbm为电流辨识所得的关节动力学参数；为基于实验位置信息确定的位移、速度和加速度的观测矩阵；τmotor为电流等效力矩。
于一实施例中，机器人控制装置200还包括第二获取模块，第二获取模块用于控制机器人310进行实验；在机器人310的实验过程中，采集机器人310的测量关节311的实验位置信息和实验关节力矩信息；根据实验位置信息和实验关节力矩信息，确定关节力矩辨识所得的惯性关节动力学参数。
于一实施例中，第二获取模块还用于采用如下公式进行计算：
其中，pbs为关节力矩辨识所得的惯性关节动力学参数；为基于实验位置信息确定的位移、速度和加速度的观测矩阵；τtor_sensor为实验关节力矩信息。
于一实施例中，运动状态信息包括机器人310的测量关节311在当前时刻的实际位置信息。确定模块230还用于：根据实际位置信息和电流辨识所得的关节动力学参数，计算得到机器人310在下一时刻的第一预测控制信息；根据实际位置信息和关节力矩辨识所得的惯性关节动力学参数，计算得到机器人310在下一时刻的第二预测控制信息。
于一实施例中，运动状态信息还包括机器人310的测量关节311在当前时刻的实际关节力矩信息。融合模块240还用于：根据第二预测控制信息和实际关节力矩信息，得到补偿控制信息；根据第一预测控制信息和补偿控制信息，得到最终控制信息。
上述机器人控制装置200的详细描述，请参见上述实施例中相关方法步骤的描述。
本申请实施例还提供了一种非暂态计算机可读存储介质，包括：程序，当其在电子设备100上运行时，使得电子设备100可执行上述实施例中方法的全部或部分流程。其中，存储介质可为磁盘、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器102(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等。存储介质还可以包括上述种类的存储器102的组合。
在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上仅为本申请的优选实施例而已，仅用于说明本申请的技术方案，并不用于限制本申请。对于本技术领域的普通技术人员而言，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种机器人控制方法，其特征在于，包括：
响应于用户的操作指令，驱动机器人运行；
在所述机器人的运行过程中，采集所述机器人的运动状态信息；
根据所述运动状态信息和预设的电流辨识所得的关节动力学参数确定所述机器人在下一时刻的第一预测控制信息，根据所述运动状态信息和预设的关节力矩辨识所得的惯性关节动力学参数确定所述机器人在所述下一时刻的第二预测控制信息；
将所述第一预测控制信息和所述第二预测控制信息进行融合处理，得到最终控制信息；
根据所述最终控制信息控制所述机器人运行。
2.根据权利要求1所述的方法，其特征在于，所述电流辨识所得的关节动力学参数的获取步骤包括：
控制所述机器人进行实验；
在所述机器人的实验过程中，采集所述机器人的测量关节的实验位置信息和电流信息；
根据所述电流信息，计算得到电流等效力矩；
根据所述电流等效力矩和所述实验位置信息，确定所述电流辨识所得的关节动力学参数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述电流等效力矩和所述实验位置信息，确定所述电流辨识所得的关节动力学参数，包括：
采用如下公式进行计算：
其中，pbm为所述电流辨识所得的关节动力学参数；为基于所述实验位置信息确定的位移、速度和加速度的观测矩阵；τmotor为所述电流等效力矩。
4.根据权利要求1所述的方法，其特征在于，所述关节力矩辨识所得的惯性关节动力学参数的获取步骤包括：
控制所述机器人进行实验；
在所述机器人的实验过程中，采集所述机器人的测量关节的实验位置信息和实验关节力矩信息；
根据所述实验位置信息和所述实验关节力矩信息，确定所述关节力矩辨识所得的惯性关节动力学参数。
5.根据权利要求4所述的方法，其特征在于，所述根据所述实验位置信息和所述实验关节力矩信息，确定所述关节力矩辨识所得的惯性关节动力学参数，包括：
采用如下公式进行计算：
其中，pbs为所述关节力矩辨识所得的惯性关节动力学参数；为基于所述实验位置信息确定的位移、速度和加速度的观测矩阵；τtor_sensor为所述实验关节力矩信息。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述运动状态信息包括所述机器人的测量关节在当前时刻的实际位置信息；
所述根据所述运动状态信息和预设的电流辨识所得的关节动力学参数确定所述机器人在下一时刻的第一预测控制信息，根据所述运动状态信息和预设的关节力矩辨识所得的惯性关节动力学参数确定所述机器人在所述下一时刻的第二预测控制信息；包括：
根据所述实际位置信息和所述电流辨识所得的关节动力学参数，计算得到所述机器人在下一时刻的第一预测控制信息；根据所述实际位置信息和所述关节力矩辨识所得的惯性关节动力学参数，计算得到所述机器人在下一时刻的第二预测控制信息。
7.根据权利要求6所述的方法，其特征在于，所述运动状态信息还包括所述机器人的测量关节在当前时刻的实际关节力矩信息；
所述将所述第一预测控制信息和所述第二预测控制信息进行融合处理，得到最终控制信息，包括：
根据所述第二预测控制信息和所述实际关节力矩信息，得到补偿控制信息；
根据所述第一预测控制信息和所述补偿控制信息，得到所述最终控制信息。
8.一种机器人控制装置，其特征在于，包括：
响应模块，用于响应于用户的操作指令，驱动机器人运行；
采集模块，用于在所述机器人的运行过程中，采集所述机器人的运动状态信息；
确定模块，用于根据所述运动状态信息和预设的电流辨识所得的关节动力学参数确定所述机器人在下一时刻的第一预测控制信息，根据所述运动状态信息和预设的关节力矩辨识所得的惯性关节动力学参数确定所述机器人在所述下一时刻的第二预测控制信息；
融合模块，用于将所述第一预测控制信息和所述第二预测控制信息进行融合处理，得到最终控制信息；
控制模块，用于根据所述最终控制信息控制所述机器人运行。
9.一种电子设备，其特征在于，包括：
存储器，用以存储计算机程序；
处理器，用以执行如权利要求1至7中任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，包括：程序，当其藉由电子设备运行时，使得所述电子设备执行权利要求1至7中任一项所述的方法。
CN202111648658.XA 2021-12-30 2021-12-30 机器人控制方法、装置、电子设备和存储介质 Active CN114161428B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111648658.XA CN114161428B (zh) 2021-12-30 2021-12-30 机器人控制方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111648658.XA CN114161428B (zh) 2021-12-30 2021-12-30 机器人控制方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN114161428A CN114161428A (zh) 2022-03-11
CN114161428B true CN114161428B (zh) 2024-05-03

Family

ID=80488859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111648658.XA Active CN114161428B (zh) 2021-12-30 2021-12-30 机器人控制方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114161428B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03117580A (ja) * 1989-09-29 1991-05-20 Toshiba Corp ロボットモデル同定装置
CN102063134A (zh) * 2009-11-18 2011-05-18 北京航空航天大学 控制力矩的装置和方法
CN103611861A (zh) * 2013-11-29 2014-03-05 浙江理工大学 伺服压力机无压力传感器控制装置及方法
CN106737657A (zh) * 2015-11-20 2017-05-31 沈阳新松机器人自动化股份有限公司 一种基于动力学系统的机器人安全控制方法及系统
CN107942683A (zh) * 2017-12-22 2018-04-20 南京工程学院 模块化机器人关节动力学参数辨识精度提高方法
CN109732608A (zh) * 2019-02-18 2019-05-10 上海电气集团股份有限公司 工业机器人的惯性参数的辨识方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03117580A (ja) * 1989-09-29 1991-05-20 Toshiba Corp ロボットモデル同定装置
CN102063134A (zh) * 2009-11-18 2011-05-18 北京航空航天大学 控制力矩的装置和方法
CN103611861A (zh) * 2013-11-29 2014-03-05 浙江理工大学 伺服压力机无压力传感器控制装置及方法
CN106737657A (zh) * 2015-11-20 2017-05-31 沈阳新松机器人自动化股份有限公司 一种基于动力学系统的机器人安全控制方法及系统
CN107942683A (zh) * 2017-12-22 2018-04-20 南京工程学院 模块化机器人关节动力学参数辨识精度提高方法
CN109732608A (zh) * 2019-02-18 2019-05-10 上海电气集团股份有限公司 工业机器人的惯性参数的辨识方法及系统

Also Published As

Publication number Publication date
CN114161428A (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN110977985B (zh) 一种定位的方法及装置
JP7000359B2 (ja) 判定装置
US9434073B2 (en) Robot apparatus and control method therefor
US11059181B2 (en) Control apparatus, robot, and robot system
CN102207731B (zh) 具有工件的测量基准点设定功能的机床
Qiao et al. Advancing measurement science to assess monitoring, diagnostics, and prognostics for manufacturing robotics
JP7239399B2 (ja) 調整支援装置
CN110405729B (zh) 机器人控制装置
US20200101603A1 (en) Controller and control system
WO2022091421A1 (ja) 産業システム、異常検知システム及び異常検知方法
US11199561B2 (en) System and method for standardized evaluation of activity sequences
Leite et al. Passivity‐based adaptive 3D visual servoing without depth and image velocity measurements for uncertain robot manipulators
US20170261529A1 (en) Method for identifying friction parameter for linear module
CN114161428B (zh) 机器人控制方法、装置、电子设备和存储介质
WO2017203971A1 (ja) 自律作業制御システムおよび自律作業制御方法
JP6928031B2 (ja) 制御装置及び制御システム
WO2022234678A1 (ja) 機械学習装置、分類装置、及び制御装置
JP2021086218A (ja) 協調作業システム、解析装置および解析プログラム
Dulchlnos et al. The time is right for labs to embrace the principles of industrial automation
US20190372485A1 (en) Electric motor capacity selection device, capacity selection method, and capacity selection program
JP2021086219A (ja) 協調作業システム、解析収集装置および解析プログラム
Lippiello et al. Interaction control of robot manipulators using force and vision
Indri et al. Development of a general friction identification framework for industrial manipulators
CN112091960B (zh) 机器人、用于机器人的接触检测方法和相关装置
WO2022181595A1 (ja) 産業機械システム

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