CN115097795A - 一种工程设备及其动力学参数辨识方法、装置 - Google Patents

一种工程设备及其动力学参数辨识方法、装置 Download PDF

Info

Publication number
CN115097795A
CN115097795A CN202210800507.XA CN202210800507A CN115097795A CN 115097795 A CN115097795 A CN 115097795A CN 202210800507 A CN202210800507 A CN 202210800507A CN 115097795 A CN115097795 A CN 115097795A
Authority
CN
China
Prior art keywords
engineering equipment
model
simulation
kinetic
parameters
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.)
Pending
Application number
CN202210800507.XA
Other languages
English (en)
Inventor
赵汝东
杜英玮
刘清泉
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.)
Sany Heavy Machinery Ltd
Original Assignee
Sany Heavy Machinery 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 Sany Heavy Machinery Ltd filed Critical Sany Heavy Machinery Ltd
Priority to CN202210800507.XA priority Critical patent/CN115097795A/zh
Publication of CN115097795A publication Critical patent/CN115097795A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种工程设备及其动力学参数辨识方法、装置，通过将动作指令输入仿真模型，得到仿真数据，然后将仿真数据输入辨识模型，得到预测动力学参数，并且验证辨识模型，当验证结果为辨识模型满足预设条件时，将工程设备的实测数据输入辨识模型，得到工程设备的目标动力学参数；即通过仿真动力学模型仿真得到仿真数据，将仿真数据输入辨识模型得到预测动力学参数，并且根据预测动力学参数和初始动力学参数验证辨识模型，当验证通过时根据实测数据辨识工程设备的动力学参数，从而避免在验证时使用外挂的工程设备采集数据，减少验证的复杂度且能避免采集数据过程中的干扰，以提高数据的准确性，从而为后续的辨识提供了较为准确的模型基础。

Description

一种工程设备及其动力学参数辨识方法、装置
技术领域
本申请涉及工程设备的参数识别技术领域，具体涉及一种工程设备及其动力学参数辨识方法、装置。
背景技术
随着智能化机械的不断发展，工程设备(例如挖掘机等)也越来越智能化，目前已经存在半自动化和自动化作业的工程设备，然而工程设备在自动作业过程中需要准确的作业参数(例如动力学参数)，以实现精确作业。
目前工程设备的动力学参数多是预先测量计算得到，然而随着工程设备的使用，特别是长期在较大负荷下作业会导致工程设备的动力学参数发生变化，若不定期对动力学参数进行校正或修改，则很可能会影响作业精度。目前通常的做法是定期采集数据再次计算，这样显然不够智能化，也较为复杂。并且采集数据也需要基于工程设备上的传感器等仪器，然而传感器本身存在一定的误差，再加上数据采集的过程中外界因素的干扰，导致采集的数据不够准确，从而导致动力学参数的计算也不够准确，最终导致工程设备在作业过程中执行结果与作业指令之间存在一定的差异，无法保证作业的精度。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种工程设备及其动力学参数辨识方法、装置，解决了上述技术问题。
根据本申请的一个方面，提供了一种工程设备的动力学参数辨识方法，包括：将动作指令输入仿真模型，得到仿真数据；其中，所述仿真模型包括所述工程设备的动力学模型，所述动作指令包括驱动所述工程设备动作的控制指令，所述仿真数据包括模拟所述工程设备在动作过程中产生的运动数据；将所述仿真数据输入辨识模型，得到预测动力学参数；其中，所述预测动力学参数表征预测的所述工程设备的动力学模型的动力学参数；根据所述预测动力学参数和所述工程设备的动力学模型的初始动力学参数，验证所述辨识模型；以及当验证结果为所述辨识模型满足预设条件时，将所述工程设备的实测数据输入所述辨识模型，得到所述工程设备的目标动力学参数；其中，所述实测数据包括所述工程设备在动作过程中产生的运动数据。
在一实施例中，所述根据所述预测动力学参数和所述工程设备的动力学模型的初始动力学参数，验证所述辨识模型包括：比对所述预测动力学参数和所述初始动力学参数；以及当所述预测动力学参数和所述初始动力学参数的差值小于预设的差值阈值时，所述验证结果为所述辨识模型满足所述预设条件。
在一实施例中，所述工程设备的动力学参数辨识方法还包括：当所述验证结果为所述辨识模型不满足所述预设条件时，调整所述工程设备的动力学模型和/或所述辨识模型。
在一实施例中，在所述将动作指令输入仿真模型之前，所述工程设备的动力学参数辨识方法还包括：采用牛顿欧拉法建立所述工程设备的动力学模型。
在一实施例中，所述工程设备包括挖掘机，所述挖掘机包括动臂、斗杆和铲斗；其中，所述采用牛顿欧拉法建立所述工程设备的动力学模型包括：采用牛顿欧拉法建立所述动臂、所述斗杆和所述铲斗的动力学模型；以及根据所述挖掘机的回转平台对所述动臂、所述斗杆和所述铲斗的作用力，调整所述动臂、所述斗杆和所述铲斗的动力学模型，以得到所述工程设备的动力学模型。
在一实施例中，所述根据所述挖掘机的回转平台对所述动臂、所述斗杆和所述铲斗的作用力，调整所述动臂、所述斗杆和所述铲斗的动力学模型包括：在所述动臂、所述斗杆和所述铲斗的动力学模型中增加所述挖掘机的回转平台对所述动臂、所述斗杆和所述铲斗的科氏力、离心力及转动惯量所产生的作用力。
在一实施例中，所述工程设备的动力学模型包括：
Figure BDA0003737407440000031
其中，D(θ)是惯性矩阵，
Figure BDA0003737407440000032
是科氏力、离心力及转动惯量的影响矩阵，G(θ)是重力矩阵，Γ(θ)是广义力矩阵，θ是角度，
Figure BDA0003737407440000033
是角速度，
Figure BDA0003737407440000034
是角加速度。
在一实施例中，所述将所述仿真数据输入辨识模型，得到预测动力学参数包括：根据所述仿真数据，采用最小二乘法计算得到所述预测动力学参数。
根据本申请的另一个方面，提供了一种工程设备的动力学参数辨识装置，包括：仿真模块，用于将动作指令输入仿真模型，得到仿真数据；其中，所述仿真模型包括所述工程设备的动力学模型，所述动作指令包括驱动所述工程设备动作的控制指令，所述仿真数据包括模拟所述工程设备在动作过程中产生的运动数据；预测模块，用于将所述仿真数据输入辨识模型，得到预测动力学参数；其中，所述预测动力学参数表征预测的所述工程设备的动力学模型的动力学参数；验证模块，用于根据所述预测动力学参数和所述工程设备的动力学模型的初始动力学参数，验证所述辨识模型；以及辨识模块，用于当验证结果为所述辨识模型满足预设条件时，将所述工程设备的实测数据输入所述辨识模型，得到所述工程设备的目标动力学参数；其中，所述实测数据包括所述工程设备在动作过程中产生的运动数据。
根据本申请的另一个方面，提供了一种工程设备，包括：行驶机构；作业机构，所述作业机构设置于所述行驶机构上，用于执行作业任务；以及如上所述的工程设备的动力学参数辨识装置，所述工程设备的动力学参数辨识装置连接所述作业机构。
本申请提供的一种工程设备及其动力学参数辨识方法、装置，通过将动作指令输入仿真模型，得到仿真数据，然后将仿真数据输入辨识模型，得到预测动力学参数，并且根据预测动力学参数和工程设备的动力学模型的初始动力学参数，验证辨识模型，当验证结果为辨识模型满足预设条件时，将工程设备的实测数据输入辨识模型，得到工程设备的目标动力学参数，其中，仿真模型包括工程设备的动力学模型，实测数据包括工程设备在动作过程中产生的运动数据；即通过仿真动力学模型仿真得到仿真数据，将仿真数据输入辨识模型得到预测动力学参数，并且根据预测动力学参数和初始动力学参数验证辨识模型，当验证通过时输入工程设备的实测数据以辨识工程设备当前的动力学参数，从而避免在验证辨识模型时使用外挂的工程设备采集数据，既能减少验证的复杂度，而且能避免采集数据过程中的干扰，从而提高数据的准确性，继而为后续的辨识提供了较为准确的模型基础。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是本申请一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。
图2是本申请另一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。
图3是本申请另一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。
图4是本申请另一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。
图5是本申请另一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。
图6是本申请一示例性实施例提供工程设备的动力学参数辨识装置的结构示意图。
图7是本申请另一示例性实施例提供工程设备的动力学参数辨识装置的结构示意图。
图8是本申请一示例性实施例提供工程设备的结构示意图。
图9是本申请一示例性实施例提供的电子设备的结构图。
具体实施方式
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
由于作业强度较大，挖掘机等工程设备在作业过程中，其作业机构(例如挖掘机的动臂、斗杆、铲斗等)会受到不同程度的磨损或变形，从而导致作业机构的动力学参数(例如转动惯量、力臂等)发生变化。此时若仍然按照初始的动力学参数来控制工程设备作业，必将导致作业精度降低。特别是对于自动化作业的工程设备而言，长期作业(尤其是大负荷作业)之后，若不对动力学参数进行修正，则很可能导致作业精度和作业效果降低，甚至会导致作业失误。
因此，为了保证工程设备的作业精度和作业效果，可以定期对工程设备的动力学参数进行修正和调整。然而如何修正和调整工程设备的动力学参数却是一个难题。若是采集工程设备的实时数据并进行相应的计算，由于实时数据的采集多是采用传感器等仪器实现，然而传感器采集数据本身存在一定的误差，再加上工程设备的传动路径上也存在一定的损耗和误差，从而导致采集到的实际数据与理论数据存在误差，若直接采用采集的实际数据进行计算可能会对计算结果造成一定的影响。另外，工程设备在使用过程中进行数据采集并计算动力学参数，都需要人工介入，这显然是不方便的，而且也会造成工程设备暂停作业，从而降低了作业效率。
为此，本申请提出了一种工程设备及其动力学参数辨识方法和装置，利用仿真模型模拟工程设备的动力学模型以得到仿真数据，并以该仿真数据对辨识模型进行验证，以避免采集实际数据所产生的误差，从而提高了辨识模型的准确性和可靠性，并且在实际作业过程中，可以自动利用采集的实际数据进行动力学参数的辨识，以实现实时调整和修正工程设备的动力学参数，从而保证工程设备的作业精度和作业效果；也就是说，通过仿真动力学模型仿真得到仿真数据，将仿真数据输入辨识模型得到预测动力学参数，并且根据预测动力学参数和初始动力学参数验证辨识模型，当验证通过时输入工程设备的实测数据以辨识工程设备当前的动力学参数，从而避免在验证辨识模型时使用外挂的工程设备采集数据，既能减少验证的复杂度，而且能避免采集数据过程中的干扰，从而提高数据的准确性，继而为后续的辨识提供了较为准确的模型基础。
下面结合附图具体说明本申请实施例提供的工程设备及其动力学参数辨识方法和装置的实现方式。
示例性方法
图1是本申请一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。如图1所示，该工程设备的动力学参数辨识方法包括如下步骤：
步骤110：将动作指令输入仿真模型，得到仿真数据。
其中，仿真模型包括工程设备的动力学模型，动作指令包括驱动工程设备动作的控制指令，仿真数据包括模拟工程设备在动作过程中产生的运动数据。具体的，通过Simulink仿真软件建立仿真模型，该仿真模型对动力学模型进行仿真验证并得到仿真数据，即设计某个或某些固定动作指令，例如挖掘机在作业过程中输入的特殊或常用动作指令，并将该固定动作指令输入仿真模型以得到输出结果(仿真数据)。也就是说，利用仿真软件模拟工程设备的作业机构，并且输入固定动作指令至该仿真软件以得到仿真数据，即模拟工程设备的作业过程，从理论上得到工程设备较为准确的动作指令和对应的输出结果(该输出结果对应工程设备在作业过程中的输出数据，例如角度、角速度、角加速度等参数)。
步骤120：将仿真数据输入辨识模型，得到预测动力学参数。
其中，预测动力学参数表征预测的工程设备的动力学模型的动力学参数。利用上述仿真模型得到仿真数据，以避免传感器等仪器在采集实际数据过程中的误差，为后续辨识模型的验证提供了较为准确的数据。具体的，将仿真数据输入辨识模型，得到辨识模型的输出结果(即预测动力学参数)，也就是说，利用该仿真数据和该辨识模型(辨识模型当前的参数为预设的或上一次修正之后的)，计算得到工程设备的预测动力学参数。
步骤130：根据预测动力学参数和工程设备的动力学模型的初始动力学参数，验证辨识模型。
虽然工程设备的动力学参数在作业过程中会发生变化，但是在没有特别大的损坏或变动时，同一个工程设备的动力学参数的变化量不会特别大，因此，通过比对预测动力学参数和工程设备的初始动力学参数(即当前的动力学参数，可以是工程设备出厂时设定的动力学参数，也可以是上一次修正过的动力学参数)，以验证该辨识模型的准确性。
步骤140：当验证结果为辨识模型满足预设条件时，将工程设备的实测数据输入辨识模型，得到工程设备的目标动力学参数。
其中，实测数据包括工程设备在动作过程中产生的运动数据。当辨识模型的验证结果满足预设条件时，即验证通过(辨识模型的辨识精度满足要求)，此时可以在实际作业过程中实时的采集工程设备的实测数据并输入该验证通过的辨识模型，以得到工程设备的实时动力学参数(即目标动力学参数)。具体的，为了减少工程设备在作业过程中的计算量，可以定期对工程设备进行动力学参数的计算，例如设定一个时间，工程设备在作业工程中会自动计算动力学参数，从而避免人为参与。
本申请提供的一种工程设备的动力学参数辨识方法，通过将动作指令输入仿真模型，得到仿真数据，然后将仿真数据输入辨识模型，得到预测动力学参数，并且根据预测动力学参数和工程设备的动力学模型的初始动力学参数，验证辨识模型，当验证结果为辨识模型满足预设条件时，将工程设备的实测数据输入辨识模型，得到工程设备的目标动力学参数，其中，仿真模型包括工程设备的动力学模型，实测数据包括工程设备在动作过程中产生的运动数据；即通过仿真动力学模型仿真得到仿真数据，将仿真数据输入辨识模型得到预测动力学参数，并且根据预测动力学参数和初始动力学参数验证辨识模型，当验证通过时输入工程设备的实测数据以辨识工程设备当前的动力学参数，从而避免在验证辨识模型时使用外挂的工程设备采集数据，既能减少验证的复杂度，而且能避免采集数据过程中的干扰，从而提高数据的准确性，继而为后续的辨识提供了较为准确的模型基础。
图2是本申请另一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。如图2所示，上述步骤130可以包括：
步骤131：比对预测动力学参数和初始动力学参数。
通过比对预测动力学参数和初始动力学参数，以验证辨识模型是否满足辨识精度的要求。具体的，可以计算预测动力学参数和初始动力学参数之间的差值，由于动力学参数通常不止一个，计算预测动力学参数和初始动力学参数之间的差值时可以计算预测动力学参数中每个参数和初始动力学参数中对应参数之间的差值，以得到多个差值，然后计算多个差值的平均值或加权平均值等，以得到一个衡量预测动力学参数和初始动力学参数之间差异的值。
步骤132：当预测动力学参数和初始动力学参数的差值小于预设的差值阈值时，验证结果为辨识模型满足预设条件。
若预测动力学参数和初始动力学参数之间的差值小于预设的差值阈值，即说明预测动力学参数和初始动力学参数之间的差异较小，也就说明辨识模型辨识得到的预测动力学参数接近动力学模型当前的动力学参数(其中动力学模型当前的动力学参数可以是经过验证后的，即较为准确的动力学参数，例如工程设备出厂时的动力学参数)，此时可以确定辨识模型验证通过，即该辨识结果可以应用于该工程设备的动力学参数辨识。
应当理解，由于不同的工程设备之间的动力学参数存在一定的差异，因此，对于同一个或同一型号的工程设备，可以采用相同的辨识模型进行动力学参数的辨识，并且在辨识模型的验证过程中也采用与该工程设备对于的仿真模型进行验证，以保证辨识模型的准确性。
图3是本申请另一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。如图3所示，上述工程设备的动力学参数辨识方法还可以包括：
步骤150：当验证结果为辨识模型不满足预设条件时，调整工程设备的动力学模型和/或辨识模型。
若采用仿真数据得到的预测动力学参数和初始动力学参数之间的差值大于差值阈值，即说明通过该辨识模型得到的动力学参数与当前的动力学参数偏差较大。也就是说，通过对仿真动力学模型得到的仿真数据进行辨识得到动力学参数不够准确，此时需要调整验证过程中的模型(即动力学模型和/或辨识模型)，直至验证通过。
图4是本申请另一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。如图4所示，在步骤110之前，上述工程设备的动力学参数辨识方法还可以包括：
步骤160：采用牛顿欧拉法建立工程设备的动力学模型。
利用牛顿欧拉法可以仅从力学与角度之间的关系出发考虑，建立包括工程设备在作业过程中所需要的各个参量的动力学模型，不仅可以简化模型的难度，而且可以避免过多的参量干扰模型的运算量和运算精度。
在一实施例中，工程设备包括挖掘机，挖掘机包括动臂、斗杆和铲斗；图5是本申请另一示例性实施例提供的工程设备的动力学参数辨识方法的流程示意图。如图5所示，上述步骤160可以包括：
步骤161：采用牛顿欧拉法建立动臂、斗杆和铲斗的动力学模型。
首先，完全不考虑回转平台，仅考虑动臂、斗杆和铲斗，即建立动臂、斗杆和铲斗的3自由度动力学模型及液压缸驱动力模型。
步骤162：根据挖掘机的回转平台对动臂、斗杆和铲斗的作用力，调整动臂、斗杆和铲斗的动力学模型，以得到工程设备的动力学模型。
在一实施例中，步骤162的具体实现方式可以是：在动臂、斗杆和铲斗的动力学模型中增加挖掘机的回转平台对动臂、斗杆和铲斗的科氏力、离心力及转动惯量所产生的作用力。在建立了动臂、斗杆和铲斗的3自由度动力学模型后，再补充回转平台对动臂、斗杆和铲斗的科氏力、离心力及转动惯量所产生的影响，即对动力学模型进行调整，以得到准确的动力学模型。
在一实施例中，上述工程设备的动力学模型可以具体是：
Figure BDA0003737407440000101
其中，D(θ)是惯性矩阵，
Figure BDA0003737407440000111
是科氏力、离心力及转动惯量的影响矩阵，G(θ)是重力矩阵，Γ(θ)是广义力矩阵，θ是角度，
Figure BDA0003737407440000112
是角速度，
Figure BDA0003737407440000113
是角加速度。
具体的，
Figure BDA0003737407440000114
Figure BDA0003737407440000115
Figure BDA0003737407440000116
Figure BDA0003737407440000117
其中，α4、α7、α12分别对应动臂、斗杆和铲斗的角加速度，ω4、ω7、ω12分别对应动臂、斗杆和铲斗的角速度。
在一实施例中，上述步骤120的具体实现方式可以是：根据仿真数据，采用最小二乘法计算得到预测动力学参数。
具体的，将上述动力学模型中的矩阵D(θ)、
Figure BDA0003737407440000118
和G(θ)由由右乘变成左乘：
Figure BDA0003737407440000121
Figure BDA0003737407440000122
将上述矩阵每一项中的每一行和列向量相乘后相加得到Γ1、Γ2、Γ3：
Figure BDA0003737407440000123
Figure BDA0003737407440000124
Figure BDA0003737407440000131
以Γ1为例：
定义[α4 α7 α12 ω4 ω7 ω12 1 1 1]为H，
并定义
Figure BDA0003737407440000132
为θ(所要辨识的动力学参数)，则θ的最小二乘估计为：
Figure BDA0003737407440000133
示例性装置
图6是本申请一示例性实施例提供工程设备的动力学参数辨识装置的结构示意图。如图6所示，该工程设备的动力学参数辨识装置60包括：仿真模块61，用于将动作指令输入仿真模型，得到仿真数据；其中，仿真模型包括工程设备的动力学模型，动作指令包括驱动工程设备动作的控制指令，仿真数据包括模拟工程设备在动作过程中产生的运动数据；预测模块62，用于将仿真数据输入辨识模型，得到预测动力学参数；其中，预测动力学参数表征预测的工程设备的动力学模型的动力学参数；验证模块63，用于根据预测动力学参数和工程设备的动力学模型的初始动力学参数，验证辨识模型；以及辨识模块64，用于当验证结果为辨识模型满足预设条件时，将工程设备的实测数据输入辨识模型，得到工程设备的目标动力学参数；其中，实测数据包括工程设备在动作过程中产生的运动数据。
本申请提供的一种工程设备的动力学参数辨识装置，通过仿真模块61将动作指令输入仿真模型，得到仿真数据，然后预测模块62将仿真数据输入辨识模型，得到预测动力学参数，并且验证模块63根据预测动力学参数和工程设备的动力学模型的初始动力学参数，验证辨识模型，当验证结果为辨识模型满足预设条件时，辨识模块64将工程设备的实测数据输入辨识模型，得到工程设备的目标动力学参数，其中，仿真模型包括工程设备的动力学模型，实测数据包括工程设备在动作过程中产生的运动数据；即通过仿真动力学模型仿真得到仿真数据，将仿真数据输入辨识模型得到预测动力学参数，并且根据预测动力学参数和初始动力学参数验证辨识模型，当验证通过时输入工程设备的实测数据以辨识工程设备当前的动力学参数，从而避免在验证辨识模型时使用外挂的工程设备采集数据，既能减少验证的复杂度，而且能避免采集数据过程中的干扰，从而提高数据的准确性，继而为后续的辨识提供了较为准确的模型基础。
图7是本申请另一示例性实施例提供工程设备的动力学参数辨识装置的结构示意图。如图7所示，上述验证模块63可以包括：比对单元631，用于比对预测动力学参数和初始动力学参数；确认单元632，用于当预测动力学参数和初始动力学参数的差值小于预设的差值阈值时，验证结果为辨识模型满足预设条件。
在一实施例中，如图7所示，上述工程设备的动力学参数辨识装置60还可以包括：调整模块65，用于当验证结果为辨识模型不满足预设条件时，调整工程设备的动力学模型和/或辨识模型。
在一实施例中，如图7所示，上述工程设备的动力学参数辨识装置60还可以包括：建模模块66，用于采用牛顿欧拉法建立工程设备的动力学模型。
在一实施例中，上述建模模块66可以进一步配置为：采用牛顿欧拉法建立动臂、斗杆和铲斗的动力学模型；根据挖掘机的回转平台对动臂、斗杆和铲斗的作用力，调整动臂、斗杆和铲斗的动力学模型，以得到工程设备的动力学模型。
在一实施例中，上述建模模块66可以进一步配置为：在动臂、斗杆和铲斗的动力学模型中增加挖掘机的回转平台对动臂、斗杆和铲斗的科氏力、离心力及转动惯量所产生的作用力。
示例性工程设备
图8是本申请一示例性实施例提供工程设备的结构示意图。如图8所示，该工程设备包括：行驶机构1、作业机构2以及如上的工程设备的动力学参数辨识装置；其中，作业机构2设置于行驶机构1上，用于执行作业任务，工程设备的动力学参数辨识装置连接作业机构2。
本申请提供的一种工程设备，通过将动作指令输入仿真模型，得到仿真数据，然后将仿真数据输入辨识模型，得到预测动力学参数，并且根据预测动力学参数和工程设备的动力学模型的初始动力学参数，验证辨识模型，当验证结果为辨识模型满足预设条件时，将工程设备的实测数据输入辨识模型，得到工程设备的目标动力学参数，其中，仿真模型包括工程设备的动力学模型，实测数据包括工程设备在动作过程中产生的运动数据；即通过仿真动力学模型仿真得到仿真数据，将仿真数据输入辨识模型得到预测动力学参数，并且根据预测动力学参数和初始动力学参数验证辨识模型，当验证通过时输入工程设备的实测数据以辨识工程设备当前的动力学参数，从而避免在验证辨识模型时使用外挂的工程设备采集数据，既能减少验证的复杂度，而且能避免采集数据过程中的干扰，从而提高数据的准确性，继而为后续的辨识提供了较为准确的模型基础。
示例性电子设备
下面，参考图9来描述根据本申请实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。
图9图示了根据本申请实施例的电子设备的框图。
如图9所示，电子设备10包括一个或多个处理器11和存储器12。
处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。
存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本申请的各个实施例的工程设备的动力学参数辨识方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
在该电子设备是单机设备时，该输入装置13可以是通信网络连接器，用于从第一设备和第二设备接收所采集的输入信号。
此外，该输入装置13还可以包括例如键盘、鼠标等等。
该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图9中仅示出了该电子设备10中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种工程设备的动力学参数辨识方法，其特征在于，包括：
将动作指令输入仿真模型，得到仿真数据；其中，所述仿真模型包括所述工程设备的动力学模型，所述动作指令包括驱动所述工程设备动作的控制指令，所述仿真数据包括模拟所述工程设备在动作过程中产生的运动数据；
将所述仿真数据输入辨识模型，得到预测动力学参数；其中，所述预测动力学参数表征预测的所述工程设备的动力学模型的动力学参数；
根据所述预测动力学参数和所述工程设备的动力学模型的初始动力学参数，验证所述辨识模型；以及
当验证结果为所述辨识模型满足预设条件时，将所述工程设备的实测数据输入所述辨识模型，得到所述工程设备的目标动力学参数；其中，所述实测数据包括所述工程设备在动作过程中产生的运动数据。
2.根据权利要求1所述的工程设备的动力学参数辨识方法，其特征在于，所述根据所述预测动力学参数和所述工程设备的动力学模型的初始动力学参数，验证所述辨识模型包括：
比对所述预测动力学参数和所述初始动力学参数；以及
当所述预测动力学参数和所述初始动力学参数的差值小于预设的差值阈值时，所述验证结果为所述辨识模型满足所述预设条件。
3.根据权利要求1所述的工程设备的动力学参数辨识方法，其特征在于，所述工程设备的动力学参数辨识方法还包括：
当所述验证结果为所述辨识模型不满足所述预设条件时，调整所述工程设备的动力学模型和/或所述辨识模型。
4.根据权利要求1所述的工程设备的动力学参数辨识方法，其特征在于，在所述将动作指令输入仿真模型之前，所述工程设备的动力学参数辨识方法还包括：
采用牛顿欧拉法建立所述工程设备的动力学模型。
5.根据权利要求4所述的工程设备的动力学参数辨识方法，其特征在于，所述工程设备包括挖掘机，所述挖掘机包括动臂、斗杆和铲斗；其中，所述采用牛顿欧拉法建立所述工程设备的动力学模型包括：
采用牛顿欧拉法建立所述动臂、所述斗杆和所述铲斗的动力学模型；以及
根据所述挖掘机的回转平台对所述动臂、所述斗杆和所述铲斗的作用力，调整所述动臂、所述斗杆和所述铲斗的动力学模型，以得到所述工程设备的动力学模型。
6.根据权利要求5所述的工程设备的动力学参数辨识方法，其特征在于，所述根据所述挖掘机的回转平台对所述动臂、所述斗杆和所述铲斗的作用力，调整所述动臂、所述斗杆和所述铲斗的动力学模型包括：
在所述动臂、所述斗杆和所述铲斗的动力学模型中增加所述挖掘机的回转平台对所述动臂、所述斗杆和所述铲斗的科氏力、离心力及转动惯量所产生的作用力。
7.根据权利要求1-6中任一项所述的工程设备的动力学参数辨识方法，其特征在于，所述工程设备的动力学模型包括：
Figure FDA0003737407430000021
其中，D(θ)是惯性矩阵，
Figure FDA0003737407430000022
是科氏力、离心力及转动惯量的影响矩阵，G(θ)是重力矩阵，Γ(θ)是广义力矩阵，θ是角度，
Figure FDA0003737407430000023
是角速度，
Figure FDA0003737407430000024
是角加速度。
8.根据权利要求1-6中任一项所述的工程设备的动力学参数辨识方法，其特征在于，所述将所述仿真数据输入辨识模型，得到预测动力学参数包括：
根据所述仿真数据，采用最小二乘法计算得到所述预测动力学参数。
9.一种工程设备的动力学参数辨识装置，其特征在于，包括：
仿真模块，用于将动作指令输入仿真模型，得到仿真数据；其中，所述仿真模型包括所述工程设备的动力学模型，所述动作指令包括驱动所述工程设备动作的控制指令，所述仿真数据包括模拟所述工程设备在动作过程中产生的运动数据；
预测模块，用于将所述仿真数据输入辨识模型，得到预测动力学参数；其中，所述预测动力学参数表征预测的所述工程设备的动力学模型的动力学参数；
验证模块，用于根据所述预测动力学参数和所述工程设备的动力学模型的初始动力学参数，验证所述辨识模型；以及
辨识模块，用于当验证结果为所述辨识模型满足预设条件时，将所述工程设备的实测数据输入所述辨识模型，得到所述工程设备的目标动力学参数；其中，所述实测数据包括所述工程设备在动作过程中产生的运动数据。
10.一种工程设备，其特征在于，包括：
行驶机构；
作业机构，所述作业机构设置于所述行驶机构上，用于执行作业任务；以及
如权利要求9所述的工程设备的动力学参数辨识装置，所述工程设备的动力学参数辨识装置连接所述作业机构。
CN202210800507.XA 2022-07-08 2022-07-08 一种工程设备及其动力学参数辨识方法、装置 Pending CN115097795A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210800507.XA CN115097795A (zh) 2022-07-08 2022-07-08 一种工程设备及其动力学参数辨识方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210800507.XA CN115097795A (zh) 2022-07-08 2022-07-08 一种工程设备及其动力学参数辨识方法、装置

Publications (1)

Publication Number Publication Date
CN115097795A true CN115097795A (zh) 2022-09-23

Family

ID=83297524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210800507.XA Pending CN115097795A (zh) 2022-07-08 2022-07-08 一种工程设备及其动力学参数辨识方法、装置

Country Status (1)

Country Link
CN (1) CN115097795A (zh)

Similar Documents

Publication Publication Date Title
EP3171236B1 (en) Simulator, simulation method, and simulation program
CN109522673B (zh) 一种测试方法、装置、设备和存储介质
EP3379358B1 (en) Control system, control device, control program, and control method
EP3760398B1 (en) Abnormality detecting device and abnormality detecting method
CN112731952B (zh) 一种机器人质心规划方法、装置、可读存储介质及机器人
CN112847345B (zh) 一种机器人拖动示教的方式确定方法和装置
CN114054302B (zh) 一种点胶机的精准定位控制方法及系统
CN112834249B (zh) 转向参数检测方法、装置、设备及存储介质
CN111185909A (zh) 机器人运行工况获取方法、装置、机器人及存储介质
CN113188505A (zh) 姿态角度的测量方法、装置、车辆及智能臂架
CN114603599A (zh) 一种机器人碰撞检测方法、装置、计算机设备及存储介质
CN102288159A (zh) 用于确定塔的偏转的方法和装置
CN114622617A (zh) 作业机械回转参数判定方法、装置及作业机械
CN110774269B (zh) 机器人拖动示教方法、装置、电子设备及存储介质
CN115097795A (zh) 一种工程设备及其动力学参数辨识方法、装置
CN114833828B (zh) 二自由度系统的惯性参数辨识方法、设备和介质
CN108445777A (zh) 虚拟资产的数据转换
CN108972536A (zh) 机械臂的动力学参数确定系统、方法及存储介质
CN113927585B (zh) 一种机器人平衡控制方法、装置、可读存储介质及机器人
CN116088553A (zh) 一种机器人的弹跳控制方法、装置、介质、电子设备
CN113110107B (zh) 无人机飞行控制仿真系统、设备及存储介质
CN115727871A (zh) 一种轨迹质量检测方法、装置、电子设备和存储介质
RU2815190C1 (ru) Способ настройки параметров динамической модели колесного транспортного средства
JP7482094B2 (ja) 学習データ生成装置および状態解析システム
CN117606768B (zh) 一种适用于旋转机械的空间相异轴向标校方法

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