CN114589702B - 基于动力学参数辨识和导纳控制的协作机器人拖动方法 - Google Patents
基于动力学参数辨识和导纳控制的协作机器人拖动方法 Download PDFInfo
- Publication number
- CN114589702B CN114589702B CN202210435305.XA CN202210435305A CN114589702B CN 114589702 B CN114589702 B CN 114589702B CN 202210435305 A CN202210435305 A CN 202210435305A CN 114589702 B CN114589702 B CN 114589702B
- Authority
- CN
- China
- Prior art keywords
- dynamic
- dragging
- force
- connecting rod
- cooperative 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005284 excitation Effects 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000001133 acceleration Effects 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 11
- 238000013016 damping Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 241000486463 Eugraphe sigma Species 0.000 claims description 2
- 230000005484 gravity Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- 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
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了基于动力学参数辨识和导纳控制的协作机器人拖动方法,主要包括以下步骤:利用牛顿‑欧拉法构建协作机器人的动力学方程,基于牛顿‑欧拉动力学方程动力学方程找出线性相关项,将动力学模型线性化处理;基于有限项傅里叶级数的形式设计激励轨迹,采集协作机器人负载端电流数值,利用最小二乘法求解动力学最小参数集;对参数辨识所得动力学最小参数集结果结果进行验证。本发明实现了协作机器人基于电流控制的力/位混合柔顺拖动,通过对动力学参数进行辨识得到更为准确的动力学模型,相较于传统的通过调参对机器人重力以及摩擦力进行补偿从而实现拖动的方式更为精确,也大大提高了拖动作业的安全性。
Description
技术领域
本发明涉及协作机器人柔顺控制技术领域,具体为基于动力学参数辨识和导纳控制的协作机器人拖动方法。
背景技术
协作机器人在生产制造领域的应用越来越广泛,越来越多的场景都需要与环境进行交互。传统的控制方法主要通过减小误差来实现更好的控制效果,这样做的结果可能加大协作机器人的损耗,同时也伴随有一定的危险性,通过给协作机器人加装末端六维力传感器,使协作机器人能够感知外界环境力变化,可以改善这种现象,但是目前市面上大多六维力传感器价格较高,成本高昂,因此使用电流实现协作机器人的柔顺控制不仅可以节约成本,而且可以提高与环境交互过程中的安全性。
实现协作机器人柔顺控制主要采用阻抗/导纳控制算法,传统的阻抗导纳控制算法是通过将协作机器人等价为一个二阶的弹簧阻尼系统,通过由环境力产生的当前位置与期望位置,当前速度与期望速度之间的误差来调节机械臂运动,但协作机械臂连续运动过程之中,位置与速度误差除了由环境力产生外,还应包含自身期望运动产生的偏差。因此需要制定新的控制策略,同时环境力的计算的准确性依赖于构建准确的协作机器人动力学方程。
为了能够构建准确的协作机器人动力学方程,我们需要获取协作机械臂准确的动力学参数,传统的物理分析获得协作机器人动力学参数的方法计算量大,分析过程复杂,且不能保证准确度,现阶段一些通过迭代计算以及深度学习的方法进行动力学参数辨识获得的结果较为准确,但由于计算量大,因此对硬件要求较高,且迭代结果不能保证收敛,可能会导致辨识不成功,因此一种简单,适用性强的基于动力学参数辨识和导纳控制的协作机器人柔顺拖动方法对协作做机器人环境交互作业场景具有重要意义。
发明内容
本发明的目的在于提供基于动力学参数辨识和导纳控制的协作机器人拖动方法,以解决上述背景技术中提出传统的物理分析获得协作机器人动力学参数的方法计算量大,分析过程复杂,且不能保证准确度,现阶段一些通过迭代计算以及深度学习的方法进行动力学参数辨识获得的结果较为准确,但由于计算量大,因此对硬件要求较高,且迭代结果不能保证收敛,可能会导致辨识不成功的问题。
为实现上述目的,本发明提供如下技术方案:基于动力学参数辨识和导纳控制的协作机器人拖动方法,该方法包括以下步骤:
步骤1:建立协作机器人基于牛顿-欧拉形式的动力学方程,基于牛顿-欧拉动力学方程动力学方程找出线性相关项,将动力学模型线性化处理;
步骤2:基于有限项傅里叶级数的形式设计激励轨迹,采集协作机器人负载端电流数值,利用最小二乘法求解动力学最小参数集;
步骤3:对参数辨识所得动力学最小参数集结果结果进行验证,基于动力学参数辨识结果,提出导纳柔顺拖动算法,实现柔顺控制。
优选的,所述的步骤1中,构建协作机器人基于基于牛顿-欧拉形式的动力学方程,基于牛顿-欧拉动力学方程找出线性相关项,将动力学模型线性化处理,具体步骤如下:
动力学模型构建如下,先利用运动学公式,前向迭代,求得机器人各连杆的线速度ivi、线加速度角速度iωi和角加速度/>计算各连杆上所需的力iFi和力矩iNi;
然后从末端连杆开始,根据力矩和力平衡方程,向内递推,求得各关节所需的力ifi、力矩ini;
其中mi为第i根连杆质量,为第i根连杆绕其质心坐标系{Ci}的惯性矩阵,/>为第i根连杆质心坐标系Ci相对于坐标系{i}的平移偏量,/>为沿第i个关节轴线的单位向量;
基于牛顿-欧拉动力学方程找出线性相关项,将动力学模型线性化处理如下:
分别为第i连杆绕坐标系{i}和{Ci}的惯性张量矩阵,Pci为其质心在坐标系{i}中的位置,则有:
且有代表末端角速度矩阵,/>为负载惯性张量
则可得:
则由牛顿-欧拉动力学动力学方程可得:
若记其中/>表示末端所受外力、力矩;/>为第i根连杆的动力学参数,则上式可写为
其中:
若将组成一列,则递推可得:
Uii=Bi,Uij=AiAi+1...Bj,i<j
由于我们只关心Z轴方向的力矩:
则变换得:
J,K分别通过将V,U矩阵的每一个块矩阵(Vij、Uij)左乘向量[0 0 0 0 0 1]得到;
若考虑摩擦力影响,
采用正反库仑粘滞摩擦力+电机惯性补偿模型
则有:
其中为连杆角速度,/>为连杆角加速度,rci和rvi分别为库伦摩擦系数和粘性摩擦系数。
综合考虑有:
同时,假设不存在外力和外力矩,则:
其中Ktotal为动力学方程线性回归矩阵,ψtotal为需要辨识的动力学最小参数集,每根杆有10个连杆动力学参数,6*nf个摩擦力参数,nf为摩擦力系数项数,6根连杆则共有60+6*nf个参数。
优选的,所述的步骤2中,基于有限项傅里叶级数的形式设计激励轨迹,采集协作机器人负载端电流数值,利用最小二乘法求解动力学最小参数集,具体步骤如下:
激励轨迹采用有限项傅里叶级数的形式:
其中,N为傅里叶级数项数,基础频率ωf=2πff,ff为采样频率,al,i、bl,i为正余弦函数的幅值,qi0为常数项;
本文采用的激励轨迹优化任务为最小化信息矩阵K的条件数即/>σmax,σmin分别为K的最大、小奇异值;
与此同时,任务需要满足关节角度、速度和加速度约束:
qmin≤q(t)≤qmax
根据上述想法,使用Matlab的fmincon函数对激励轨迹参数进行优化;取傅里叶级数的系数al,i,bl,i,为待优化参数,在满足约束的条件下,将/>的大小设为优化指标;
将生成的激励轨迹点下发给协作机器人控制器,采集协作机器人在运动过程中各关节末端电流I,位置q(t),与速度信号带入/> 中,其中τtotal=Kf×I,Kf为力矩系数,则动力学最小参数集ψtotal=(Ktotal)-1×τtotal;
优选的,所述的步骤3中,对参数辨识所得动力学最小参数集结果结果进行验证,基于动力学参数辨识结果,提出导纳柔顺拖动算法,实现柔顺控制,具体步骤如下:
基于参数辨识得到动力学最小参数集ψtotal,则我们的期望力矩τe=Ktotalψtotal;柔顺拖动过程中所受外力矩τex为τex=Kf×I,Kf为力矩系数,I为电流大小,其中τex=τe+τ,τ为环境力,则τ=τex-τe,通用形式的导纳控制器为:
其中xe是实际位置与期望位置之差,是实际速度与期望速度之差,/>是实际加速度与期望加速度之差,τ为环境力矩。M为惯性系数矩阵,B为阻尼系数矩阵,K为刚度系数矩阵;
由于柔顺拖动需要根据环境力调整协作机器人运动,位置与速度误差除了由环境力产生外,还应包含自身期望运动产生的偏差,因此将导纳控制器改写成如下形式:
将当前时刻位置作为期望位置,则期望速度与期望位置为:
将导纳控制器写成二阶系统传递函数的形式可得:
则B/M=2ξωn,K/M=ωn 2,可得其中ξ为阻尼,当0<ξ<1是为欠阻尼,当ξ>1是为过阻尼,完成协作机器人的力/位转换柔顺控制,最后导纳控制器输出的是关节角度,将控制器输出发送给机械臂实现柔顺拖动。
与现有技术相比,本发明的有益效果是:本发明实现了协作机器人基于电流控制的力/位混合柔顺拖动,通过对动力学参数进行辨识得到更为准确的动力学模型,相较于传统的通过调参对机器人重力以及摩擦力进行补偿从而实现拖动的方式更为精确,也大大提高了拖动作业的安全性;通过对柔顺拖动过程中的位置与速度误差进行分析,得出更为准确的导纳控制模型;同时基于各关节实时电流变化来计算协作机器人所受外力大小,相较于基于末端力传感器的柔顺控制策略省去了复杂的环境力在坐标系下的转换,也节约了成本。
附图说明
图1为本发明的方法总体框图;
图2为动力学参数辨识方法框图;
图3为本发明实例提供的动力学参数辨识的激励轨迹优化图;
图4为本发明实例提供的动力学参数辨识的关节力矩图;
图5为本发明实例提供的动力学参数辨识的误差均方根拟合图。
具体实施方式
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,本领域普通技术人员在没有做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。
请参阅图1-5,本发明提供一种技术方案:基于动力学参数辨识和导纳控制的协作机器人拖动方法,该方法包括以下步骤:
步骤1:建立协作机器人基于牛顿-欧拉形式的动力学方程,基于牛顿-欧拉动力学方程找出线性相关项,将动力学模型线性化处理;
步骤2:基于有限项傅里叶级数的形式设计激励轨迹,采集协作机器人负载端电流数值,利用最小二乘法求解动力学最小参数集;
步骤3:对参数辨识所得动力学最小参数集结果结果进行验证,基于动力学参数辨识结果,提出导纳柔顺拖动算法,实现柔顺控制。
本发明中:所述的步骤1中,构建协作机器人基于基于牛顿-欧拉形式的动力学方程,基于牛顿-欧拉动力学方程找出线性相关项,将动力学模型线性化处理,具体步骤如下:
动力学模型构建如下,先利用运动学公式,前向迭代,求得机器人各连杆的线速度ivi、线加速度角速度iωi和角加速度/>计算各连杆上所需的力iFi和力矩iNi;
然后从末端连杆开始,根据力矩和力平衡方程,向内递推,求得各关节所需的力ifi、力矩ini;
其中mi为第i根连杆质量,为第i根连杆绕其质心坐标系{Ci}的惯性矩阵,/>为第i根连杆质心坐标系Ci相对于坐标系{i}的平移偏量,/>为沿第i个关节轴线的单位向量;
基于牛顿-欧拉动力学方程找出线性相关项,将动力学模型线性化处理如下:
分别为第i连杆绕坐标系{i}和{Ci}的惯性张量矩阵,Pci为其质心在坐标系{i}中的位置,则有:
且有代表末端角速度矩阵,/>为负载惯性张量
则可得:
则由牛顿-欧拉动力学动力学方程可得:
若记其中/>表示末端所受外力、力矩;/>为第i根连杆的动力学参数,则上式可写为
其中:
若将组成一列,则递推可得:
Uii=Bi,Uij=AiAi+1...Bj,i<j
由于我们只关心Z轴方向的力矩:
则变换得:
J,K分别通过将V,U矩阵的每一个块矩阵(Vij、Uij)左乘向量[0 0 0 0 0 1]得到;
若考虑摩擦力影响,
采用正反库仑粘滞摩擦力+电机惯性补偿模型
则有:
其中为连杆角速度,/>为连杆角加速度,rci和rvi分别为库伦摩擦系数和粘性摩擦系数。
综合考虑有:
同时,假设不存在外力和外力矩,则:
其中Ktotal为动力学方程线性回归矩阵,ψtotal为需要辨识的动力学最小参数集,每根杆有10个连杆动力学参数,6*nf个摩擦力参数,nf为摩擦力系数项数,6根连杆则共有60+6*nf个参数。
本发明中:所述的步骤2中,基于有限项傅里叶级数的形式设计激励轨迹,采集协作机器人负载端电流数值,利用最小二乘法求解动力学最小参数集,具体步骤如下:
激励轨迹采用有限项傅里叶级数的形式:
其中,N为傅里叶级数项数,基础频率ωf=2πff,ff为采样频率,al,i、bl,i为正余弦函数的幅值,qi0为常数项;
本文采用的激励轨迹优化任务为最小化信息矩阵K的条件数即σmax,σmin分别为K的最大、小奇异值;
与此同时,任务需要满足关节角度、速度和加速度约束:
qmin≤q(t)≤qmax
根据上述想法,使用Matlab的fmincon函数对激励轨迹参数进行优化;取傅里叶级数的系数al,i,bl,i,为待优化参数,在满足约束的条件下,将/>的大小设为优化指标;
将生成的激励轨迹点下发给协作机器人控制器,采集协作机器人在运动过程中各关节末端电流I,位置q(t),与速度信号带入/> 中,其中τtotal=Kf×I,Kf为力矩系数,则动力学最小参数集ψtotal=(Ktotal)-1×τtotal;
本发明中:所述的步骤3中,对参数辨识所得动力学最小参数集结果结果进行验证,基于动力学参数辨识结果,提出导纳柔顺拖动算法,实现柔顺控制,具体步骤如下:
基于参数辨识得到动力学最小参数集ψtotal,则我们的期望力矩τe=Ktotalψtotal;柔顺拖动过程中所受外力矩τex为τex=Kf×I,Kf为力矩系数,I为电流大小,其中τex=τe+τ,τ为环境力,则τ=τex-τe,通用形式的导纳控制器为:
其中xe是实际位置与期望位置之差,是实际速度与期望速度之差,/>是实际加速度与期望加速度之差,τ为环境力矩。M为惯性系数矩阵,B为阻尼系数矩阵,K为刚度系数矩阵;
由于柔顺拖动需要根据环境力调整协作机器人运动,位置与速度误差除了由环境力产生外,还应包含自身期望运动产生的偏差,因此将导纳控制器改写成如下形式:
将当前时刻位置作为期望位置,则期望速度与期望位置为:
将导纳控制器写成二阶系统传递函数的形式可得:
/>
则B/M=2ξωn,K/M=ωn 2,可得其中ξ为阻尼,当0<ξ<1是为欠阻尼,当ξ>1是为过阻尼,完成协作机器人的力/位转换柔顺控制,最后导纳控制器输出的是关节角度,将控制器输出发送给机械臂实现柔顺拖动。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (1)
1.基于动力学参数辨识和导纳控制的协作机器人拖动方法,其特征在于,该方法包括以下步骤:
步骤1:建立协作机器人基于牛顿-欧拉形式的动力学方程,基于牛顿-欧拉动力学方程找出线性相关项,将动力学模型线性化处理;
步骤2:基于有限项傅里叶级数的形式设计激励轨迹,采集协作机器人负载端电流数值,利用最小二乘法求解动力学最小参数集;
步骤3:对参数辨识所得动力学最小参数集结果进行验证,基于动力学参数辨识结果,提出导纳柔顺拖动算法,实现柔顺控制;
其中,步骤1中,构建协作机器人基于牛顿-欧拉形式的动力学方程,基于牛顿-欧拉动力学方程找出线性相关项,将动力学模型线性化处理,具体步骤如下:
动力学模型构建如下,先利用运动学公式,前向迭代,求得机器人各连杆的线速度ivi、线加速度角速度iωi和角加速度/>计算各连杆上所需的力iFi和力矩iNi;
然后从末端连杆开始,根据力矩和力平衡方程,向内递推,求得各关节所需的力ifi、力矩ini;
其中mi为第i根连杆质量,为第i根连杆绕其质心坐标系{Ci}的惯性矩阵,/>为第i根连杆质心坐标系Ci相对于坐标系{i}的平移偏量,/>为沿第i个关节轴线的单位向量;
基于牛顿-欧拉动力学方程找出线性相关项,将动力学模型线性化处理如下:
分别为第i连杆绕坐标系{i}和{Ci}的惯性张量矩阵,Pci为其质心在坐标系{i}中的位置,则有:
且有代表末端角速度矩阵,/>为负载惯性张量
则可得:
则由牛顿-欧拉动力学方程可得:
若记其中/>表示末端所受外力、力矩;/>为第i根连杆的动力学参数,则上式可写为
其中:
若将组成一列,则递推可得:
Uii=Bi,Uij=AiAi+1...Bj,i<j
由于只关心Z轴方向的力矩:
则变换得:
J,K分别通过将V,U矩阵的每一个块矩阵(Vij、Uij)左乘向量[0 0 0 0 0 1]得到;
若考虑摩擦力影响,
采用正反库仑粘滞摩擦力+电机惯性补偿模型
则有:
其中为连杆角速度,/>为连杆角加速度,rci和rvi分别为库伦摩擦系数和粘性摩擦系数;
综合考虑有:
同时,假设不存在外力和外力矩,则:
其中Ktotal为动力学方程线性回归矩阵,ψtotal为需要辨识的动力学最小参数集,每根杆有10个连杆动力学参数,6*nf个摩擦力参数,nf为摩擦力系数项数,6根连杆则共有60+6*nf个参数;
步骤2中,基于有限项傅里叶级数的形式设计激励轨迹,采集协作机器人负载端电流数值,利用最小二乘法求解动力学最小参数集,具体步骤如下:
激励轨迹采用有限项傅里叶级数的形式:
其中,N为傅里叶级数项数,基础频率ωf=2πff,ff为采样频率,al,i、bl,i为正余弦函数的幅值,qi0为常数项;
激励轨迹优化任务为最小化信息矩阵K的条件数即σmax,σmin分别为K的最大、小奇异值;
与此同时,任务需要满足关节角度、速度和加速度约束:
根据上述,使用Matlab的fmincon函数对激励轨迹参数进行优化;取傅里叶级数的系数al,i,bl,i,为待优化参数,在满足约束的条件下,将/>的大小设为优化指标;
将生成的激励轨迹点下发给协作机器人控制器,采集协作机器人在运动过程中各关节末端电流I,位置q(t),与速度信号带入/> 中,其中τtotal=Kf×I,Kf为力矩系数,则动力学最小参数集ψtotal=(Ktotal)-1×τtotal;
步骤3中,对参数辨识所得动力学最小参数集结果进行验证,基于动力学参数辨识结果,提出导纳柔顺拖动算法,实现柔顺控制,具体步骤如下:
基于参数辨识得到动力学最小参数集ψtotal,则的期望力矩τe=Ktotalψtotal;柔顺拖动过程中所受外力矩τex为τex=Kf×I,Kf为力矩系数,I为电流大小,其中τex=τe+τ,τ为环境力,则τ=τex-τe,通用形式的导纳控制器为:
其中xe是实际位置与期望位置之差,是实际速度与期望速度之差,/>是实际加速度与期望加速度之差,τ为环境力矩,M为惯性系数矩阵,B为阻尼系数矩阵,K为刚度系数矩阵;
由于柔顺拖动需要根据环境力调整协作机器人运动,位置与速度误差除了由环境力产生外,还应包含自身期望运动产生的偏差,因此将导纳控制器改写成如下形式:
将当前时刻位置作为期望位置,则期望速度与期望位置为:
将导纳控制器写成二阶系统传递函数的形式可得:
则B/M=2ξωn,K/M=ωn 2,可得其中ξ为阻尼,当0<ξ<1是为欠阻尼,当ξ>1是为过阻尼,完成协作机器人的力/位转换柔顺控制,最后导纳控制器输出的是关节角度,将控制器输出发送给机械臂实现柔顺拖动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210435305.XA CN114589702B (zh) | 2022-04-24 | 2022-04-24 | 基于动力学参数辨识和导纳控制的协作机器人拖动方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210435305.XA CN114589702B (zh) | 2022-04-24 | 2022-04-24 | 基于动力学参数辨识和导纳控制的协作机器人拖动方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114589702A CN114589702A (zh) | 2022-06-07 |
CN114589702B true CN114589702B (zh) | 2024-05-07 |
Family
ID=81813368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210435305.XA Active CN114589702B (zh) | 2022-04-24 | 2022-04-24 | 基于动力学参数辨识和导纳控制的协作机器人拖动方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114589702B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861596B (zh) * | 2023-09-04 | 2024-01-02 | 常熟理工学院 | 一种6自由度并联机器人的动力学建模方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006084280A2 (en) * | 2005-02-03 | 2006-08-10 | Sage Software, Inc. | Static timing analysis and dynamic simulation for custom and asic designs |
JP2014157548A (ja) * | 2013-02-18 | 2014-08-28 | Kyushu Univ | アドミッタンス制御を用いた力制御装置及び位置制御装置 |
CN108582069A (zh) * | 2018-04-17 | 2018-09-28 | 上海达野智能科技有限公司 | 机器人拖动示教系统和方法、存储介质、操作系统 |
CN108638072A (zh) * | 2018-05-25 | 2018-10-12 | 珞石(山东)智能科技有限公司 | 用于工业机器人的高精度控制装置及方法 |
CN110561438A (zh) * | 2019-09-19 | 2019-12-13 | 华中科技大学 | 基于动力学参数辨识的工业机器人力/位柔顺控制方法 |
CN110597072A (zh) * | 2019-10-22 | 2019-12-20 | 上海电气集团股份有限公司 | 机器人导纳柔顺控制方法及系统 |
KR20210065791A (ko) * | 2019-11-27 | 2021-06-04 | 한국로봇융합연구원 | 로봇 매니퓰레이터를 제어하기 위한 장치 및 이를 위한 방법 |
CN112894821A (zh) * | 2021-01-30 | 2021-06-04 | 同济大学 | 基于电流法的协作机器人拖动示教控制方法、装置及设备 |
CN113977578A (zh) * | 2021-10-26 | 2022-01-28 | 华东交通大学 | 一种液压机械臂末端力软测量方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019129338B3 (de) * | 2019-10-30 | 2021-02-18 | Pilz Gmbh & Co. Kg | Modellprädiktive Interaktionsregelung |
-
2022
- 2022-04-24 CN CN202210435305.XA patent/CN114589702B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006084280A2 (en) * | 2005-02-03 | 2006-08-10 | Sage Software, Inc. | Static timing analysis and dynamic simulation for custom and asic designs |
JP2014157548A (ja) * | 2013-02-18 | 2014-08-28 | Kyushu Univ | アドミッタンス制御を用いた力制御装置及び位置制御装置 |
CN108582069A (zh) * | 2018-04-17 | 2018-09-28 | 上海达野智能科技有限公司 | 机器人拖动示教系统和方法、存储介质、操作系统 |
CN108638072A (zh) * | 2018-05-25 | 2018-10-12 | 珞石(山东)智能科技有限公司 | 用于工业机器人的高精度控制装置及方法 |
CN110561438A (zh) * | 2019-09-19 | 2019-12-13 | 华中科技大学 | 基于动力学参数辨识的工业机器人力/位柔顺控制方法 |
CN110597072A (zh) * | 2019-10-22 | 2019-12-20 | 上海电气集团股份有限公司 | 机器人导纳柔顺控制方法及系统 |
KR20210065791A (ko) * | 2019-11-27 | 2021-06-04 | 한국로봇융합연구원 | 로봇 매니퓰레이터를 제어하기 위한 장치 및 이를 위한 방법 |
CN112894821A (zh) * | 2021-01-30 | 2021-06-04 | 同济大学 | 基于电流法的协作机器人拖动示教控制方法、装置及设备 |
CN113977578A (zh) * | 2021-10-26 | 2022-01-28 | 华东交通大学 | 一种液压机械臂末端力软测量方法 |
Non-Patent Citations (3)
Title |
---|
协作机器人的柔顺控制方法及仿真研究;宋勇;万方数据;20210815;全文 * |
基于动力学模型的工业机器人导纳控制研究;叶伯生等;华中科技大学学报;第98-102,108页 * |
基于牛顿欧拉法的SCARA机器人动力学参数辨识;张铁等;华南理工大学学报;第129-136页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114589702A (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108227492B (zh) | 一种六自由度串联机器人末端负载动力学参数的辨识方法 | |
CN103495977B (zh) | 一种6r型工业机器人负载识别方法 | |
CN109249397B (zh) | 一种六自由度机器人动力学参数辨识方法和系统 | |
CN110125936B (zh) | 一种空间机器人的地面实验验证系统 | |
CN112743541B (zh) | 一种无力/力矩传感器机械臂软浮动控制方法 | |
CN104723340A (zh) | 基于连接和阻尼配置的柔性关节机械臂的阻抗控制方法 | |
CN109352656B (zh) | 一种具有时变输出约束的多关节机械臂控制方法 | |
CN107169196B (zh) | 空间机器人由末端执行器向基座的动力学建模方法 | |
CN111168682B (zh) | 并联机器人结合鲁棒精确微分器有限时间收敛滑模控制方法 | |
CN104723341A (zh) | 基于连接和阻尼配置的柔性关节机械臂的位置控制方法 | |
CN110815190A (zh) | 一种工业机器人拖动示教方法及系统 | |
CN111965976B (zh) | 基于神经网络观测器的机器人关节滑模控制方法及系统 | |
CN114589702B (zh) | 基于动力学参数辨识和导纳控制的协作机器人拖动方法 | |
CN107351086B (zh) | 一种scara机器人关节力矩的卡尔曼估计方法 | |
CN112192573A (zh) | 基于反演法的不确定性机器人自适应神经网络控制方法 | |
CN115946131A (zh) | 一种柔性关节机械臂运动控制仿真计算方法及装置 | |
CN115533915A (zh) | 一种不确定环境下空中作业机器人主动接触检测控制方法 | |
CN112223276A (zh) | 基于自适应神经网络滑模控制的多关节机器人控制方法 | |
CN113043269B (zh) | 一种基于机器人模型的机器人接触力观测系统 | |
CN114211478B (zh) | 一种模块化机械臂协调操作最优控制方法及系统 | |
Luo et al. | End‐Effector Pose Estimation in Complex Environments Using Complementary Enhancement and Adaptive Fusion of Multisensor | |
CN114147713B (zh) | 基于自适应神经网络高阶动态滑模的轨迹跟踪控制方法 | |
Wolfslag et al. | Learning robustly stable open-loop motions for robotic manipulation | |
CN107650121B (zh) | 一种用于机器人的控制方法 | |
Jiang | Vision-based Cartesian space motion control for flexible robotic manipulators |
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 |