CN114700939A - 一种协作机器人关节负载转矩观测方法、系统及存储介质 - Google Patents

Abstract

本发明属于协作机器人智能控制技术领域，公开了一种协作机器人关节负载转矩观测方法、系统及存储介质，基于关节摩擦转矩、传动误差齿隙以及其他等非线性传动因素的影响，利用协作机器人关节动力学模型构建负载转矩观测器，并采用离线参数辨识方法确定所述负载转矩观测器的建模参数；利用建模误差评估模块修正转矩观测器模型，提高观测器建模准确度；利用修正后的转矩观测器模型对输入的协作机器人关节实时运行状态信息进行计算，完成协作机器人关节负载转矩的观测。本发明仅通过协作机器人关节已安装的电流传感器和位置传感器，就可在线实时获得具有精度高、响应迅速的关节负载转矩观测结果，同时能够降低协作机器人生产制造成本。

Description

一种协作机器人关节负载转矩观测方法、系统及存储介质

技术领域

本发明属于协作机器人智能控制技术领域，尤其涉及一种协作机器人关节负载转矩观测方法、系统及存储介质。

背景技术

目前，随着工业智能制造技术的发展，越来越多的制造场景中需要人与机器人密切协同工作，这对机器人的灵活性、安全性和智能性提出更高要求，由此，一种新型机器人——协作机器人应运而生。

与传统工业机器人相比，协作机器人的作业场景更复杂、人机协作程度更紧密，导致协作机器人在正常工作时极易发生机器人本体与人、机器人本体与外部环境的非正常接触，影响工作安全。为确保人员安全、避免机器人损坏，控制系统需要能够实时在线监测机器人负载转矩，准确识别出非正常接触工况，并且能够快速降低非正常工况下的机器人输出力矩。

目前，为获取协作机器人关节负载转矩，通常有两种方式：①在关节侧安装转矩传感器，实时采集负载转矩信息；②通过机器人系统动力学模型或者关节动力学模型，根据协作机器人空间位姿状态、关节运行电流、电机角度、关节角度等实时运行状态，在线估算负载转矩。

通过转矩传感器测量负载转矩，其原理是通过测量弹性梁的偏移或者是弹性轴的偏转角度，结合扭转刚度计算负载转矩。因此转矩传感器的使用会引入额外柔性环节，降低原关节的结构刚度，可能带来运行振动和控制问题。同时，转矩传感器的安装也会增大关节尺寸和重量，提高协作机器人生产制造成本。

通过机器人系统动力学方程计算负载转矩，需要获知机器人各关节的空间位姿状态。由于机器人动力学模型求解复杂，计算量较大，并且在提取各关节的运行加速度时容易引入测量噪声，造成转矩计算不准确。此外，也可以采用基于关节广义动量设计负载转矩观测器，虽然可剔除加速度的测量噪声影响，但计算量较大，对负载转矩突变工况响应能力较慢，动态转矩估算特性较差。

通过关节动力学模型计算负载转矩，需要获知电机侧和关节输出侧角度信息，该方法相对简单、计算量较小。但是，传统方案通常会对机器人关节模型进行简化，忽略摩擦转矩、传动齿隙带来的非线性因素影响。并且，基本都没有考虑关节转动惯量、摩擦系数和传动齿隙等机械参数失配引起的建模误差影响，导致负载转矩计算不够精确。

通过上述分析，现有协作机器人关节负载转矩观测技术存在的问题及缺陷为：采用转矩传感器直接测量关节负载转矩，会降低关节结构刚度，进而带来运行控制和振动的问题，同时还会增大关节尺寸与重量，提高协作机器人生产成本；采用现有机器人关节负载转矩观测方法获取负载转矩，其运算相对复杂、计算量较大，忽略了摩擦转矩、传动齿隙等非线性传动因素影响，并且未考虑转动惯量、摩擦系数和传动齿隙等参数失配引起的负载转矩观测模型建模误差，导致关节负载转矩计算结果误差较大、精度较低、动态响应特性较差等问题。

解决以上问题及缺陷的难度为：在不增加协作机器人生产成本的前提下，针对机器人关节自身存在非线性传动特性影响，以及关节机械参数辨识精度引起的转矩观测模型建模误差等问题，现有负载转矩观测技术均进行不同程度的简化处理，目前尚未形成完善全面的协作机器人关节负载转矩观测方法。

解决以上问题及缺陷的意义为：寻求一种精度高、响应快速的协作机器人关节负载转矩观测方法，对于提高协作机器人碰撞检测、拖动示教等功能要求，实现关节定位精度控制和振动抑制需求，降低协作机器人生产成本，具有重要工程应用价值。

发明内容

针对现有技术存在的问题，本发明提供了一种协作机器人关节负载转矩观测方法、系统及存储介质。

本发明是这样实现的，一种结合建模误差评估的协作机器人关节负载转矩观测方法包括：基于关节摩擦转矩、传动误差齿隙以及其他等非线性传动因素的影响，利用协作机器人关节动力学模型构建负载转矩观测器，并采用离线参数辨识方法确定所述负载转矩观测器的建模参数；利用建模误差评估模块修正转矩观测器模型，提高观测器建模准确度；利用修正后的转矩观测器模型对输入的协作机器人关节实时运行状态信息进行计算，完成协作机器人关节负载转矩的观测。

具体地，针对现有机器人关节负载转矩观测方法忽略关节摩擦转矩、传动齿隙以及其他非线性传动因素的影响，本发明采用典型摩擦模型分别对伺服电机、减速器的摩擦转矩进行建模，采用死区模型对关节传动齿隙进行建模，以此为基础建立协作机器人关节动力学模型，进而构建负载转矩观测器；其次，采用参数离线辨识方法分步辨识出关节主要机械参数，包括转动惯量、摩擦系数、传动齿隙以及轴系扭转刚度等，从而确定所述转矩观测器建模参数；针对现有机器人关节负载转矩观测方法未考虑参数辨识精度引起的转矩观测模型建模误差的影响，本发明引入了建模误差评估模块，采用基于最小方差估计的误差评估方法对参数辨识结果进行评估，获得建模误差评价因子，进而修正转矩观测器模型；最后，通过电流传感器和位置传感器获取关节实时运行状态信息，将其输入至转矩观测器，完成协作机器人关节负载转矩的观测。

进一步，结合建模误差评估的协作机器人关节负载转矩观测方法具体包括以下步骤：

步骤一，基于关节摩擦转矩、传动误差以及其他非线性因素的影响，建立协作机器人关节动力学模型；

步骤二，基于所述协作机器人关节动力学模型构建关节负载转矩观测器；并采用参数离线辨识方法获取机械参数，确定负载转矩观测器的参数；

步骤三，采用基于最小方差估计方法确定转矩观测器建模误差评价因子，修正机械参数辨识误差引起的转矩观测模型建模误差；

步骤四，利用电流传感器和位置传感器获取机器人关节实时运行状态信息，将获取的机器人关节实时运行状态信息输入至转矩观测器，进行协作机器人关节负载转矩的观测。

进一步，所述协作机器人关节动力学模型如下：

T_M＝k_M*I_M；

T_fM＝D_Mω_M+C_M*sign(ω_M)；

T_fR＝D_Rω_R+C_R*sign(ω_R)；

其中，k_M表示电机转矩系数，I_M表示电机电流，J_M表示电机转动惯量，ω_M表示电机角速度，θ_M表示电机转子角度，T_fM表示电机摩擦转矩，D_M表示电机粘滞摩擦系数，C_M表示电机库伦摩擦系数，T_M表示电机输出转矩，T_L表示关节负载转矩，K表示轴系扭转刚度，N表示谐波减速器传动比，b表示齿隙死区，J_R表示减速器转动惯量，ω_R表示减速器角速度，θ_R表示减速器输出法兰角度，T_fR表示减速器摩擦转矩，D_R表示减速器粘滞摩擦系数，C_R表示减速器库伦摩擦系数，T_J表示关节传递转矩，sign表示符号函数。

进一步，所述关节负载转矩观测器如下：

ω_M＝sQ(s)θ_M；

ω_L＝sQ(s)θ_L；

其中，带上标^变量表示对应变量观测值；

表示低通滤波器，g表示低通滤波器截止频率，

表示依据电机模型观测的关节传递转矩，

表示依据传动轴模型观测的关节传递转矩，α表示建模误差评价因子。

进一步，所述机械参数包括：关节转动惯量、摩擦系数、传动齿隙、轴系扭转刚度以及其他机械参数。

进一步，所述采用参数离线辨识方法获取机械参数包括：

首先，通过分步辨识方法先辨识得到关节总转动惯量和摩擦系数；

其次，通过FFT扫频得到系统谐振频率，由谐振频率计算公式获得各部件的转动惯量和轴系扭转刚度。

最后，采用线性最小二乘法进行分段辨识得到传动齿隙，通过连续可导的齿隙死区模型拟合。

进一步，所述谐振频率计算公式获得各部件的转动惯量和轴系扭转刚度如下：

进一步，所述误差评价因子如下：

其中，

其中，

分别表示关节负载转矩计算方差、基于电机模型关节传递转矩估算方差、基于传动轴模型关节传递转矩估算方差、扰动转矩观测方差；

分别表示电机转动惯量、电机粘滞摩擦系数、电机库伦摩擦系数、轴系扭转刚度、减速器传动齿隙、减速器转动惯量、减速器粘滞摩擦系数、减速器库伦摩擦系数等参数误差。

本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述结合建模误差评估的协作机器人关节负载转矩观测方法。

本发明的另一目的在于提供一种执行所述结合建模误差评估的协作机器人关节负载转矩观测方法的结合建模误差评估的协作机器人关节负载转矩观测系统包括：

协作机器人关节动力学模型构建模块，用于基于关节摩擦转矩、传动误差以及其他非线性因素影响，建立协作机器人关节动力学模型；

关节负载转矩观测器构建模块，用于基于所述协作机器人关节动力学模型构建关节负载转矩观测器；并采用参数离线辨识方法获取机械参数，确定负载转矩观测器的参数；

机械参数辨识误差修正模块，用于采用基于最小方差估计方法确定转矩观测器建模误差评价因子，修正机械参数辨识误差引起的转矩观测模型建模误差，提高转矩观测精度；

协作机器人关节负载转矩观测模块，用于利用电流传感器和位置传感器获取机器人关节实时运行状态信息，将获取的机器人关节实时运行状态信息输入至转矩观测器，进行协作机器人关节负载转矩的观测。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：

本发明采用基于扰动观测器原理设计关节负载转矩观测器，针对协作机器人关节自身存在的摩擦转矩、传动误差等关节非线性传动特性影响，结合参数离线辨识和基于最小方差估计的误差评估方法，设计转矩观测器建模误差评估因子，降低因关节转动惯量、摩擦系数、传动齿隙等参数辨识精度引起的观测器建模误差影响，修正转矩观测器模型建模准确度，提高协作机器人关节负载转矩的观测精度和动态响应特性。

本发明在不增加额外传感器的前提下，仅通过协作机器人关节已安装的电流传感器和位置传感器，就可在线实时获得具有精度高、响应迅速的关节负载转矩观测结果，避免转矩传感器安装带来的运动控制和振动问题。同时，采用本发明可减小协作机器人关节尺寸重量，能够降低协作机器人生产制造成本。

附图说明

图1是本发明实施例提供的结合建模误差评估的协作机器人关节负载转矩观测方法原理图。

图2是本发明实施例提供的结合建模误差评估的协作机器人关节负载转矩观测方法流程图。

图3是本发明实施例提供的协作机器人关节原理框图。

图4是本发明实施例提供的协作机器人关节传动齿隙死区模型示意图。

图5是本发明实施例提供的协作机器人关节传动齿隙可导死区模型示意图。

图6是本发明实施例提供的协作机器人关节负载转矩观测器原理框图。

图7是本发明实施例提供的协作机器人关节频率特性图。

图8是本发明实施例提供的协作机器人关节负载转矩观测对比图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种结合建模误差评估的协作机器人关节负载转矩观测方法，下面结合附图对本发明作详细的描述。

本发明基于关节摩擦转矩、传动误差齿隙以及其他等非线性传动因素的影响，利用协作机器人关节动力学模型构建负载转矩观测器，并采用离线参数辨识方法确定所述负载转矩观测器的建模参数；利用建模误差评估模块修正转矩观测器模型，提高观测器建模准确度；利用修正后的转矩观测器模型对输入的协作机器人关节实时运行状态信息进行计算，完成协作机器人关节负载转矩的观测。本发明在不增加额外传感器的前提下，仅通过协作机器人关节已安装的电流传感器和位置传感器，就可在线实时获得具有精度高、响应迅速的关节负载转矩观测结果，避免转矩传感器安装带来的运动控制和振动问题。同时，采用本发明可减小协作机器人关节尺寸重量，降低生产制造成本。

本发明实施例提供的结合建模误差评估的协作机器人关节负载转矩观测方法系统原理框图如图1所示。针对现有机器人关节负载转矩观测方法忽略关节摩擦转矩、传动齿隙等非线性传动因素影响，本发明采用典型摩擦模型分别对伺服电机、减速器的摩擦转矩进行建模，采用死区模型对关节传动齿隙进行建模，以此为基础建立协作机器人关节动力学模型，进而构建负载转矩观测器；其次，采用参数离线辨识方法分步辨识出关节主要机械参数，包括转动惯量、摩擦系数、传动齿隙以及轴系扭转刚度等，从而确定所述转矩观测器建模参数；针对现有机器人关节负载转矩观测方法未考虑参数辨识精度引起的转矩观测模型建模误差的影响，本发明构建了建模误差评估模块，采用基于最小方差估计的误差评估方法对参数辨识结果进行评估，获得建模误差评价因子，进而修正转矩观测器模型；最后，通过电流传感器和位置传感器获取关节实时运行状态信息，将其输入至转矩观测器，完成协作机器人关节负载转矩的观测。

如图2所示，本发明实施例提供的结合建模误差评估的协作机器人关节负载转矩观测方法包括以下步骤：

S101，基于关节摩擦转矩、传动误差以及其他非线性因素的影响，建立协作机器人关节动力学模型；

S102，基于所述协作机器人关节动力学模型构建关节负载转矩观测器；并采用参数离线辨识方法获取机械参数，确定负载转矩观测器的参数；

S103，基于最小方差估计方法确定转矩观测器建模误差评价因子，修正机械参数辨识误差引起的转矩观测模型建模误差；

S104，利用电流传感器和位置传感器获取机器人关节实时运行状态信息，将获取的机器人关节实时运行状态信息输入至转矩观测器，进行协作机器人关节负载转矩的观测。

本发明实施例提供的协作机器人关节动力学模型如下：

T_M＝k_M*I_M；

T_fM＝D_Mω_M+C_M*sign(ω_M)；

T_fR＝D_Rω_R+C_R*sign(ω_R)；

其中，k_M表示电机转矩系数，I_M表示电机电流，J_M表示电机转动惯量，ω_M表示电机角速度，θ_M表示电机转子角度，T_fM表示电机摩擦转矩，D_M表示电机粘滞摩擦系数，C_M表示电机库伦摩擦系数，T_M表示电机输出转矩，T_L表示关节负载转矩，K表示轴系扭转刚度，N表示谐波减速器传动比，b表示齿隙死区，J_R表示减速器转动惯量，ω_R表示减速器角速度，θ_R表示减速器输出法兰角度，T_fR表示减速器摩擦转矩，D_R表示减速器粘滞摩擦系数，C_R表示减速器库伦摩擦系数，T_J表示关节传递转矩，sign表示符号函数。

本发明实施例提供的关节负载转矩观测器如下：

ω_M＝sQ(s)θ_M；

ω_L＝sQ(s)θ_L；

其中，带上标^变量表示对应变量观测值；

表示低通滤波器，g表示低通滤波器截止频率，

表示依据电机模型观测的关节传递转矩，

表示依据传动轴模型观测的关节传递转矩，α表示建模误差评价因子。

本发明实施例提供的机械参数包括：关节转动惯量、摩擦系数、传动齿隙、轴系扭转刚度以及其他机械参数。

本发明实施例提供的采用参数离线辨识方法获取机械参数包括：

首先，通过分步辨识方法先辨识得到关节总转动惯量和摩擦系数；

其次，通过FFT扫频得到系统谐振频率，由谐振频率计算公式获得各部件的转动惯量和轴系扭转刚度。

最后，采用线性最小二乘法进行分段辨识得到传动齿隙，通过连续可导的齿隙死区模型拟合。

本发明实施例提供的谐振频率计算公式获得各部件的转动惯量和轴系扭转刚度如下：

本发明实施例提供的误差评价因子如下：

其中，

其中，

分别表示关节负载转矩计算方差、基于电机模型关节传递转矩估算方差、基于传动轴模型关节传递转矩估算方差、扰动转矩观测方差；

分别表示电机转动惯量、电机粘滞摩擦系数、电机库伦摩擦系数、轴系扭转刚度、减速器传动齿隙、减速器转动惯量、减速器粘滞摩擦系数、减速器库伦摩擦系数等参数误差。

下面结合具体实施例对本发明的技术方案做进一步说明。

实施例1：

本发明的具体步骤如下：

①考虑关节摩擦转矩、传动误差等非线性因素影响，建立详细的协作机器人关节数学模型；

②基于关节数学模型，依据扰动观测器原理，设计关节负载转矩观测器；

③采用参数离线辨识方法，获取关节转动惯量、摩擦系数、传动齿隙等机械参数，确定负载转矩观测器主要设计参数；

④采用基于最小方差估计方法确定转矩观测器建模误差评价因子，修正机械参数辨识误差引起的转矩观测模型建模误差；

⑤通过电流传感器和位置传感器获取机器人关节实时运行状态信息，将其输入至转矩观测器，完成协作机器人关节负载转矩的精确计算。

步骤1中，考虑摩擦转矩、传动齿隙等非线性因素影响的机器人关节动力学模型如下：

T_M＝k_M*I_M (3)

T_fM＝D_Mω_M+C_M*sign(ω_M) (4)

T_fR＝D_Rω_R+C_R*sign(ω_R) (5)

式中：k_M为电机转矩系数，I_M为电机电流，J_M为电机转动惯量，ω_M为电机角速度，θ_M为电机转子角度，T_fM为电机摩擦转矩，D_M为电机粘滞摩擦系数，C_M为电机库伦摩擦系数，T_M为电机输出转矩，T_L为关节负载转矩，K为轴系扭转刚度，N为谐波减速器传动比，b为齿隙死区，J_R为减速器转动惯量，ω_R为减速器角速度，θ_R为减速器输出法兰角度，T_fR为减速器摩擦转矩，D_R为减速器粘滞摩擦系数，C_R为减速器库伦摩擦系数，T_J为关节传递转矩，sign为符号函数。

步骤1中，协作机器人关节伺服电机、谐波减速器摩擦转矩是采用“库伦+粘滞摩擦模型”，其数学建模如下：

T_f＝Dω+C*sign(ω) (8)

步骤1中，关节谐波减速器在传动过程中，由于减速器刚轮与柔轮啮合时会存在啮合间隙，从而引起非线性的传动误差。通常，采用传动齿隙死区模型进行等效建模，其数学模型如下：

由于死区模型为分段函数，特性不连续。为便于分析，本发明采用连续可导死区模型进行等效。具体数学建模如下，式中h(h＞0)为表征模型光滑程度系数：

步骤2中，结合步骤1中所述完整关节动力学模型，依据扰动观测器原理，建立关节负载转矩观测器，其数学模型如下：

ω_M＝sQ(s)θ_M (12)

ω_R＝sQ(s)θ_R (17)

式中：带上标^变量为对应变量观测值，

为低通滤波器，g为低通滤波器截止频率，

为基于电机模型观测的关节传递转矩，

为基于传动轴模型观测的关节传递转矩，α为建模误差评价因子。

步骤3中，机器人关节机械参数辨识采用等效单惯量辨识法，通过分步辨识原理先辨识出关节总转动惯量和摩擦系数。再通过FFT扫频得到系统谐振频率，由谐振频率计算公式获得各部件的转动惯量和轴系扭转刚度。

步骤3中，谐波减速器的传动齿隙采用线性最小二乘法进行分段辨识。采集Δθ在零位附近小范围内对应的电机运行电流，结合可导死区模型选取线性度较好的两端数据作为|Δθ|＞b时的数据，清理异常值后分别进行线性最小二乘法拟合，从而获得减速器传动齿隙b。

步骤4中，采用最小方差估计方法设计观测器建模误差评价因子α。根据关节负载转矩观测公式：

可知，关节负载转矩估计方差为：

式中：

分别为关节负载转矩计算方差、基于电机模型关节传递转矩估算方差、基于传动轴模型关节传递转矩估算方差、扰动转矩观测方差。

分别为电机转动惯量、电机粘滞摩擦系数、电机库伦摩擦系数、轴系扭转刚度、减速器传动齿隙、减速器转动惯量、减速器粘滞摩擦系数、减速器库伦摩擦系数等参数辨识误差。

由公式(21)对变量α求导，可知，当建模误差评价因子

时，关节负载转矩观测误差最小。

步骤5中，通过电流传感器和位置传感器获取协作机器人关节实时运行状态信息，将其输入至负载转矩观测器，最终获得准确的关节负载转矩观测值。

实施例2：

本发明实施例所采用的一种结合建模误差评估的协作机器人关节负载转矩观测方法，其详细流程图如图2所示。

本发明实施例所建立的协作机器人关节模型原理框图如图3所示，已考虑关节摩擦转矩、传动齿隙等非线性因素影响。其中，关节传动齿隙采用如图5所示的可导齿隙死区模型。

本发明实施例所设计的协作机器人关节负载转矩观测器原理框图如图6所示，分别以关节电机模型和关节传动轴模型为基础，建立关节传递转矩观测器。进一步，采用基于最小方差估计原理设计的建模误差因子α，将其作为关节负载转矩观测器的输入，最终获得机器人关节负载转矩观测结果。

本发明实施例是采用等效单惯量辨识法进行机器人关节机械参数辨识，通过分步辨识原理先辨识出关节总转动惯量和摩擦系数。再通过FFT扫频得到关节频率特性，由谐振频率公式获得各部件的转动惯量和轴系刚度。本发明实施例中协作机器人关节频率特性仿真结果如图7所示。

谐波减速器的传动齿隙是采用线性最小二乘法进行分段辨识。先采集Δθ在零位附近小范围内对应的运行电流，结合可导死区模型选取线性度较好的两段数据作为|Δθ|＞b时的数据，清理异常值后分别进行线性最小二乘拟合。

本发明实施例是以关节机械参数辨识为基础，建立协作机器人关节Matlab仿真模型，通过仿真对本发明提出的关节负载转矩观测方法进行验证。

本发明实施例的主要参数包括：电机转矩系数k_M＝0.141Nm/A，转动惯量J_M＝0.847e^-4kg·m²，电机粘滞摩擦系数D_M＝0.001，电机库伦摩擦系数C_M＝0.2，轴系扭转刚度K＝20000Nm/rad，谐波减速器传动比N＝101，齿隙死区b＝0.02rad，减速器转动惯量J_R＝0.01kg·m²，减速器粘滞摩擦系数D_R＝2，减速器库伦摩擦系数C_R＝10。

本发明实施例中，t＝0.2s时施加150Nm负载转矩，t＝0.6s时撤除负载转矩。在负载转矩观测器模型中，将关节电机转动惯量、减速器转动惯量、轴扭转刚度、传动齿隙等参数，分别设定为实际模型对应参数的1.2倍、1.2倍、1.05倍、1.05倍，以此建立因参数辨识不准导致的观测器建模误差。在本发明实施例中，分别将建模误差评估因子α设定为0、0.5、1，以分析不同评价因子α对负载转矩观测结果精度的影响。

本发明实施例的仿真结果如图8所示，可见，采用本发明的负载转矩观测值可快速收敛跟随至转矩给定值，证明本观测方法可行。并且，通过合理选择建模误差评价因子α，可进一步缩小关节负载转矩观测结果与实际负载转矩间的误差，进一步提高负载转矩观测精度和动态响应。

应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种结合建模误差评估的协作机器人关节负载转矩观测方法，其特征在于，所述结合建模误差评估的协作机器人关节负载转矩观测方法包括：基于关节摩擦转矩、传动误差齿隙以及非线性传动因素的影响，利用协作机器人关节动力学模型构建负载转矩观测器，并采用离线参数辨识方法确定所述负载转矩观测器的建模参数；利用建模误差评估模块修正转矩观测器模型；利用修正后的转矩观测器模型对输入的协作机器人关节实时运行状态信息进行计算，完成协作机器人关节负载转矩的观测。

2.如权利要求1所述的结合建模误差评估的协作机器人关节负载转矩观测方法，其特征在于，所述结合建模误差评估的协作机器人关节负载转矩观测方法具体包括以下步骤：

步骤一，基于关节摩擦转矩、传动误差以及其他非线性因素的影响，建立协作机器人关节动力学模型；

步骤二，基于所述协作机器人关节动力学模型构建关节负载转矩观测器；并采用参数离线辨识方法获取机械参数，确定负载转矩观测器的参数；

步骤三，采用基于最小方差估计方法确定转矩观测器建模误差评价因子，修正机械参数辨识误差引起的转矩观测模型建模误差；

步骤四，利用电流传感器和位置传感器获取机器人关节实时运行状态信息，将获取的机器人关节实时运行状态信息输入至转矩观测器，进行协作机器人关节负载转矩的观测。

3.如权利要求2所述结合建模误差评估的协作机器人关节负载转矩观测方法，其特征在于，所述协作机器人关节动力学模型为：

T_M＝k_M*I_M；

T_fM＝D_Mω_M+C_M*sign(ω_M)；

T_fR＝D_Rω_R+C_R*sign(ω_R)；

其中，k_M表示电机转矩系数，I_M表示电机电流，J_M表示电机转动惯量，ω_M表示电机角速度，θ_M表示电机转子角度，T_fM表示电机摩擦转矩，D_M表示电机粘滞摩擦系数，C_M表示电机库伦摩擦系数，T_M表示电机输出转矩，T_L表示关节负载转矩，K表示轴系扭转刚度，N表示谐波减速器传动比，b表示齿隙死区，J_R表示减速器转动惯量，ω_R表示减速器角速度，θ_R表示减速器输出法兰角度，T_fR表示减速器摩擦转矩，D_R表示减速器粘滞摩擦系数，C_R表示减速器库伦摩擦系数，T_J表示关节传递转矩，sign表示符号函数。

4.如权利要求2所述结合建模误差评估的协作机器人关节负载转矩观测方法，其特征在于，所述关节负载转矩观测器为：

ω_M＝sQ(s)θ_M；

ω_L＝sQ(s)θ_L；

其中，带上标^变量表示对应变量观测值；

表示低通滤波器，g表示低通滤波器截止频率，

表示依据电机模型观测的关节传递转矩，

表示依据传动轴模型观测的关节传递转矩，α表示建模误差评价因子；

所述机械参数包括：关节转动惯量、摩擦系数、传动齿隙以及轴系扭转刚度。

5.如权利要求2所述结合建模误差评估的协作机器人关节负载转矩观测方法，其特征在于，所述采用参数离线辨识方法获取机械参数包括：

(1)通过分步辨识方法先辨识得到关节总转动惯量和摩擦系数；

(2)通过FFT扫频得到系统谐振频率，由谐振频率计算公式获得各部件的转动惯量和轴系扭转刚度；

(3)采用线性最小二乘法进行分段辨识得到传动齿隙，通过连续可导的齿隙死区模型拟合。

6.如权利要求5所述结合建模误差评估的协作机器人关节负载转矩观测方法，其特征在于，所述谐振频率计算公式获得各部件的转动惯量和轴系扭转刚度如下：

7.如权利要求2所述结合建模误差评估的协作机器人关节负载转矩观测方法，其特征在于，所述误差评价因子为：

其中，

其中，

分别表示关节负载转矩计算方差、基于电机模型关节传递转矩估算方差、基于传动轴模型关节传递转矩估算方差、扰动转矩观测方差；

分别表示电机转动惯量、电机粘滞摩擦系数、电机库伦摩擦系数、轴系扭转刚度、减速器传动齿隙、减速器转动惯量、减速器粘滞摩擦系数、减速器库伦摩擦系数等参数误差。

8.一种执行权利要求1-7任意一项所述结合建模误差评估的协作机器人关节负载转矩观测方法的结合建模误差评估的协作机器人关节负载转矩观测系统，其特征在于，所述结合建模误差评估的协作机器人关节负载转矩观测系统包括：

协作机器人关节动力学模型构建模块，用于基于关节摩擦转矩、传动误差以及其他非线性因素影响，建立协作机器人关节动力学模型；

关节负载转矩观测器构建模块，用于基于所述协作机器人关节动力学模型构建关节负载转矩观测器；并采用参数离线辨识方法获取机械参数，确定负载转矩观测器的参数；

机械参数辨识误差修正模块，用于采用基于最小方差估计方法确定转矩观测器建模误差评价因子，修正机械参数辨识误差引起的转矩观测模型建模误差；

协作机器人关节负载转矩观测模块，用于利用电流传感器和位置传感器获取机器人关节实时运行状态信息，将获取的机器人关节实时运行状态信息输入至转矩观测器，进行协作机器人关节负载转矩的观测。

9.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求1-7任意一项所述结合建模误差评估的协作机器人关节负载转矩观测方法。

Images