CN115237128A - 一种机器人的负载辨识方法、装置、设备以及存储介质 - Google Patents

一种机器人的负载辨识方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN115237128A
CN115237128A CN202210847130.3A CN202210847130A CN115237128A CN 115237128 A CN115237128 A CN 115237128A CN 202210847130 A CN202210847130 A CN 202210847130A CN 115237128 A CN115237128 A CN 115237128A
Authority
CN
China
Prior art keywords
robot
joint
information
track
determining
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
CN202210847130.3A
Other languages
English (en)
Inventor
杨帆
戚祯祥
许雄
朱春晓
史晓立
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 Jaka Robotics Ltd
Original Assignee
Shanghai Jaka Robotics 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 Jaka Robotics Ltd filed Critical Shanghai Jaka Robotics Ltd
Priority to CN202210847130.3A priority Critical patent/CN115237128A/zh
Publication of CN115237128A publication Critical patent/CN115237128A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种机器人的负载辨识方法、装置、设备以及存储介质。该方法包括：根据机器人的末端位姿，和关节参数限制条件确定所述机器人的目标激励轨迹；在所述机器人基于所述目标激励轨迹运动的过程中，获取所述机器人所有关节的关节信息；根据所述关节信息，确定机器人的负载动力学参数。本发明提供的方案，可以根据固定的机器人末端位姿，确定出目标激励轨迹，使得机器人基于该激励轨迹运行，从而确定动力学负载参数，实现了更准确的机器人负载辨识，同时避免了机器人末端大范围的移动。

Description

一种机器人的负载辨识方法、装置、设备以及存储介质
技术领域
本发明涉及机器人领域，尤其涉及一种机器人的负载辨识方法、装置、设备以及存储介质。
背景技术
随着机器人的不断发展，为实现机器人高速高精的控制，一般机器人负载的相关参数需要通过辨识算法来获得，但一些实际场景中，如工业现场场景中，一般可供机器人末端移动的范围较小，这不利于工业现场进行负载辨识。
如何避免机器人末端负载大范围的移动，实现准确的机器人负载辨识，是目前亟待解决的问题。
发明内容
本发明提供了一种机器人的负载辨识方法、装置、设备以及存储介质，实现了更准确的机器人负载辨识，同时避免了机器人末端大范围的移动。
根据本发明的一方面，提供了一种机器人的负载辨识方法，包括：
根据机器人的末端位姿，和关节参数限制条件确定所述机器人的目标激励轨迹；
在所述机器人基于所述目标激励轨迹运动的过程中，获取所述机器人所有关节的关节信息；
根据所述关节信息，确定机器人的负载动力学参数。
根据本发明的另一方面，提供了一种机器人的负载辨识装置，包括：
轨迹确定模块，用于根据机器人的末端位姿，和关节参数限制条件确定所述机器人的目标激励轨迹；
获取模块，用于在所述机器人基于所述目标激励轨迹运动的过程中，获取所述机器人所有关节的关节信息；
参数确定模块，用于根据所述关节信息，确定机器人的负载动力学参数。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的机器人的负载辨识方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的机器人的负载辨识方法。
本发明实施例的技术方案，通过根据机器人的末端位姿，和关节参数限制条件确定机器人的目标激励轨迹，在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息，最后根据关节信息，确定机器人的负载动力学参数。通过根据固定的机器人末端位姿，确定目标激励轨迹，使得机器人基于该激励轨迹运行，从而确定动力学负载参数，实现了更准确的机器人负载辨识，同时避免了机器人末端大范围的移动。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是本发明实施例一提供的一种机器人的负载辨识方法的流程图；
图2A是本发明实施例二提供的一种机器人的负载辨识方法的流程图；
图2B是本发明实施例二提供的可运动轨迹示意图；
图3是本发明实施例三提供的一种机器人的负载辨识方法的流程图；
图4是本发明实施例四提供的一种机器人的负载辨识方法的流程图；
图5是本发明实施例六提供的一种机器人的负载辨识装置的结构图；
图6是本发明实施例七提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”、“备选”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，对于冗余机器人来说，本发明实施例通过预先设定固定的末端位姿，进一步利用冗余机器人的自运动，设计激励轨迹，通过这样的方式，保证了负载辨识过程中末端位姿不变。适用于要求末端位姿固定的一些实际应用场景，如实际工业场景。
实施例一
图1是本发明实施例一提供的一种机器人的负载辨识方法的流程图，本实施例适用于在固定机器人末端位姿的情况下，确定负载动力学参数，实现负载辨识的情况，尤其适用于对冗余机器人进行负载辨识的情况，该方法可以由机器人的负载辨识装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于具有机器人的负载辨识功能的电子设备中，如机器人中，其中，机器人优选为冗余机器人如七轴串联机器人，也可以是六轴机器人。如图1所示，该方法包括：
S101、根据机器人的末端位姿，和关节参数限制条件确定机器人的目标激励轨迹。
其中，末端位姿是指机器人末端法兰中心位姿，具体的，末端位姿是指机器人末端(即最后一个运动关节)所需达到的位置及姿态，对于冗余机器人而言，相同位姿，其关节角度存在无数种情况。关节参数限制条件是指关于机器人各关节自身运动范围的参数限制条件。目标激励轨迹是指机器人运动时目标遵循的激励轨迹。激励轨迹可以包括一系列的关节，在不同时刻关节角度的转动信息，例如，第一时刻腕关节转a角度，肩关节转b角度，第二时刻腕关节不动，肩关节转c角度。
可选的，关节参数限制条件可以由用户预先设置，例如，考虑到某些机器人关节自身运动范围的限制，某关节只能从0度转至90度。
可选的，可以获取用户根据工业现场的实际情况选定的末端位姿，将该末端位姿作为机器人的末端位姿；也可以从存储单元直接获取预存的末端位姿作为机器人的末端位姿。
需要说明的是，本实施优选的方式为使得用户选定末端位姿，通过用户来指定末端位姿的方式可以保证末端位姿不变，能极大的节省轨迹校核时间，从而最大程度的减小机器人与周围环境发生干涉的可能性。
可选的，确定机器人的末端位姿之后，可以利用常用的逆解解析算法，如基于臂形角的解析算法，根据预设的规则，确定出机器人的备选激励轨迹，进一步结合机器人的关节参数限制条件，筛选出机器人的目标激励轨迹，即确定机器人的目标激励轨迹；还可以将机器人的末端位姿和关节参数限制条件输入预先训练好的模型中，输出目标激励轨迹，即确定机器人的目标激励轨迹。
S102、在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息。
其中，关节信息是指表征机器人各关节的属性信息。关节信息可以包括关节转矩信息和关节角度信息，具体的，关节转矩信息可以包括带负载关节转矩信息和无负载关节转矩信息，关节角度信息可以包括带负载关节角度信息和无负载关节角度信息。例如，转矩信息可以包括各关节的力矩值信息。带负载关节角度信息是指机器人携带负载运动过程中产生的角度信息。无负载关节角度信息是指机器人不携带负载运动过程中产生的角度信息。
可选的，机器人关节转矩信息可以基于机器人实际所具备的关节转矩获取方式来采集，一般地，关节转矩获取方式包括使用关节电流估计和使用关节力矩传感器测量两种方式。
可选的，在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息，包括：在机器人携带负载基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息，以及在机器人无负载基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息。
具体的，可以控制机器人带负载运动，在机器人基于目标激励轨迹运动的过程中，利用机器人的控制模块，采集并获取机器人所有关节的带负载关节转矩信息和带负载关节角度信息，另外，再控制机器人不带负载运动，在机器人基于目标激励轨迹运动的过程中，利用机器人的控制模块，采集并获取机器人所有关节的无负载关节转矩信息和无负载关节角度信息，即获取机器人所有关节的关节信息。
S103、根据关节信息，确定机器人的负载动力学参数。
其中，负载动力学参数是指机器人的动力学参数向量，具体可以包括负载的质量参数和质心参数。负载的质量参数是指负载的质量。负载的质心参数是指负载分别在xyz轴的质量一阶矩。
可选的，确定关节信息之后，可以根据预设的计算规则，确定带负载关节转矩信息和无负载关节转矩信息的偏差情况，进一步结合带负载关节角度信息，利用计算公式，计算得到负载动力学参数，即确定机器人的负载动力学参数；还可以将获取的关节信息输入预先训练好的模型，输出负载动力学参数，即确定机器人的负载动力学参数。
需要说明的是，在本发明实施例中，认为无负载关节角度信息和带负载关节角度信息是相同的。
本发明实施例的技术方案，通过根据机器人的末端位姿，和关节参数限制条件确定机器人的目标激励轨迹，在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息，最后根据关节信息，确定机器人的负载动力学参数。通过根据固定的机器人末端位姿，确定目标激励轨迹，使得机器人基于该激励轨迹运行，从而确定动力学负载参数，实现了更准确的机器人负载辨识，同时避免了机器人末端大范围的移动。
实施例二
图2A是本发明实施例二提供的一种机器人的负载辨识方法的流程图，图2B是本发明实施例二提供的可运动轨迹示意图，本实施例在上述实施例的基础上，进一步对“根据机器人的末端位姿，和关节参数限制条件确定机器人的目标激励轨迹”进行详细的解释说明，如图2A-2B所示，该方法包括：
S201、根据机器人的末端位姿，确定机器人的可运动轨迹。
其中，可运动轨迹是指机器人的自运动轨迹，可运动轨迹包括机器人末端位姿对应的无数组逆解。
可选的，确定机器人的末端位姿之后，可以利用常用的逆解解析算法，如基于臂形角的解析算法，确定机器人的自运动轨迹，即确定机器人的可运动轨迹，具体的，可以根据确定的末端位姿，基于臂形角的解析算法，解析出机器人的无数组逆解，每个逆解代表一个轨迹点，将各逆解对应的轨迹点整合，生成自运动轨迹，即确定机器人的可运动轨迹。
可选的，确定机器人的末端位姿之后，还可以输入预先训练好的模型中，直接输出可运动轨迹，即确定机器人的可运动轨迹。
示例性的，参见图2B，若肩关节S点与腕关节W为机器人末端位姿关联的末端位置，则轴关节E点，以C点位旋转中心，绕肩关节S点与腕关节W点连成的直线旋转一周形成的轨迹为可运动轨迹，轴关节E在可运动轨迹上运动时，其末端位置不变，末端位姿发送小幅度变化。E0为可运动轨迹中的一个轨迹点。
S202、根据关节参数限制条件和可运动轨迹，确定机器人的备选激励轨迹。
其中，备选激励轨迹是指备选的机器人运动时遵循的激励轨迹，具体的，备选激励轨迹是指可运动轨迹中满足关节参数限制条件的轨迹。
可选的，确定可运动轨迹后，可以对可运动轨迹中的每个轨迹点进行分析，判断其是否满足关节参数限制条件，若是，则将该轨迹点作为备选轨迹点，若否，则剔除该轨迹点，不将其作为备选轨迹点，最后将所有备选轨迹点进行整合，确定备选轨迹点集合，即确定机器人的备选激励轨迹。
可选的，可以将关节参数限制条件和可运动轨迹输入预先训练好的模型，直接输出可运动轨迹中满足关节参数限制条件的轨迹点，生成备选激励轨迹，即确定机器人的备选激励轨迹。
可选的，在根据关节参数限制条件和可运动轨迹，确定机器人的备选激励轨迹之前，还包括：根据机器人的配置信息，确定关节参数限制条件。
其中，配置信息是指机器人出厂前预设的关节属性配置信息，例如，关于机器人各关节自身运动范围的限制信息。
可选的，可以从存储单元获取预存的机器人配置信息，进一步对配置信息进行分析，确定机器人各关节运动范围的限制信息，如，某关节只能从0度转至90度，根据限制信息，生成相应的关节参数限制条件，即确定关节参数限制条件。
可选的，在根据关节参数限制条件和可运动轨迹，确定机器人的备选激励轨迹之前，还可以根据机器人工作场景的实际情况，确定关节参数限制条件，本实施例对此不做限制。
S203、根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中是否存在环境障碍点位。
其中，机器人环境信息是指机器人周围环境中的信息，如环境中的障碍物位置信息。环境障碍点位是指机器人基于备选激励轨迹运行时会与周围环境发生干涉的点位，也就是说，若机器人基于备选激励轨迹运行到某个轨迹点时，会碰到周围环境中障碍物，则该轨迹点为一个环境障碍点位。
可选的，可以根据机器人环境信息，确定备选激励轨迹是否与机器人周围环境发生干涉，进一步根据判断结果，确定备选激励轨迹中是否存在环境障碍点位，具体的，可以根据机器人环境信息，确定备选激励轨迹中的每个轨迹点是否与周围环境发生干涉，若存在至少一个轨迹点与周围环境发生干涉，则确定备选激励轨迹中存在环境障碍点位，若备选激励轨迹中的每个轨迹点均未与周围环境发生干涉，则确定备选激励轨迹中不存在环境障碍点位。
可选的，根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中是否存在环境障碍点位之后，还包括：在根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中存在环境障碍点位的情况下，根据环境障碍点位和备选激励轨迹，确定机器人的目标激励轨迹。
可选的，在根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中存在环境障碍点位的情况下，可以直接将备选激励轨迹中存在的环境障碍点位删除，也可以根据预设的筛选规则，对删除部分环境障碍点位，将进行删除操作之后的备选激励轨迹作为目标激励轨迹，即根据环境障碍点位和备选激励轨迹，确定机器人的目标激励轨迹。
S204、若否，则根据备选激励轨迹，确定机器人的目标激励轨迹。
可选的，在机器人环境信息，确定备选激励轨迹中的每个轨迹点都与周围环境不发生干涉，即确定备选激励轨迹中不存在环境障碍点位，此时可以直接将备选激励轨迹作为目标激励轨迹，即确定备选激励轨迹为目标激励轨迹。
S205、在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息。
S206、根据关节信息，确定机器人的负载动力学参数。
本发明实施例的技术方案，根据机器人的末端位姿，确定机器人的可运动轨迹，进一步根据关节参数限制条件和可运动轨迹，确定机器人的备选激励轨迹，根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中是否存在环境障碍点位，若否，则根据备选激励轨迹，确定机器人的目标激励轨迹，最后在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息并确定机器人的负载动力学参数。通过这样的方式，给出了根据机器人的末端位姿和关节参数限制条件确定机器人的目标激励轨迹的一种可实施方式，可以确定出准确的目标激励轨迹，便于后续实现更准确的机器人负载辨识。
实施例三
图3是本发明实施例三提供的一种机器人的负载辨识方法的流程图，本实施在上述实施例的基础上，进一步对“根据备选激励轨迹和机器人环境信息，确定机器人的目标激励轨迹”进行详细的解释说明，如图3所示，该方法包括：
S301、根据机器人的末端位姿，确定机器人的可运动轨迹。
S302、根据关节参数限制条件和可运动轨迹，确定机器人的备选激励轨迹。
S303、根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中是否存在环境障碍点位。若是，则执行S304，若否，则执行S305。
可选的，可以根据离线编程软件(或其他仿真软件)判定备选激励轨迹中是否存在环境障碍点位；也可以先令机器人在实际场景中运行，根据运行结果再进行判定备选激励轨迹中是否存在环境障碍点位；还可以将两种方式结合，判定备选激励轨迹中是否存在环境障碍点位，本实施例对此不做限制。
S304、在根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中存在环境障碍点位的情况下，更新末端位姿。
可选的，在根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中存在环境障碍点位的情况下，可以向用户发出提醒信息，使得用户重新选择末端位姿，将末端位姿更新为用户重新确定的末端位姿，即更新末端位姿；也可以从预存的末端位姿中基于预设的选取规则重新选择一个末端位姿，将末端位姿更新为重新选取的末端位姿，即更新末端位姿。
可选的，更新末端位姿之后，可以根据更新后的末端位姿，返回执行根据机器人的末端位姿，确定机器人的可运动轨迹。即更新末端位姿后，根据更新后的末端位姿，返回重新从本实施例中S301开始执行。
S305、在根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中不存在环境障碍点位的情况下，确定备选激励轨迹为目标激励轨迹。
S306、在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息。
S307、根据关节信息，确定机器人的负载动力学参数。
本发明实施例的技术方案，确定机器人的备选激励轨迹之后，进一步根据备选激励轨迹和机器人环境信息，确定备选激励轨迹中是否存在环境障碍点位，若是，则更新末端位姿并根据更新后的末端位姿，返回执行根据机器人的末端位姿，确定机器人的目标激励轨迹，若否，则确定备选激励轨迹为目标激励轨迹，最后在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息并确定负载动力学参数。通过这样的方式，细化了如何根据备选激励轨迹和机器人环境信息确定目标激励轨迹，可以确定出更准确的目标激励轨迹，便于后续实现更准确的机器人负载辨识。
实施例四
图4是本发明实施例四提供的一种机器人的负载辨识方法的流程图，本实施例在上述实施例的基础上，进一步对“根据关节信息，确定机器人的负载动力学参数”进行详细的解释说明，如图4所示，该方法包括：
S401、根据机器人的末端位姿，和关节参数限制条件确定机器人的目标激励轨迹。
S402、在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息。
S403、根据关节信息中的带负载关节转矩信息和无负载关节转矩信息，确定转矩偏差。
其中，转矩偏差是指可以表征带负载的机器人和不带负载的机器人在运动的过程中各自产生的关节转矩信息之间的偏差情况的矩阵，即带负载关节转矩信息和无负载关节转矩信息的偏差情况的矩阵。
可选的，可以控制机器人运动来获取无负载关节转矩信息，也可以根据预设的计算规则，基于机器人本体无负载情况下已知的动力学参数，计算得到无负载关节转矩信息。
可选的，可以针对机器人的每个关节，从带负载关节转矩信息中确定该关节对应的转矩信息，并从无负载关节转矩信息中确定该关节对应的转矩信息，将两种转矩信息做差，即确定出该关节的转矩偏差，将机器人所有关节的转矩偏差进行整合，生成转矩偏差矩阵，即确定转矩偏差。
示例性的，转矩偏差可以通过如下矩阵表示：
Figure BDA0003735254320000121
其中，Δτ1、Δτ2和Δτn分别表示机器人在目标激励轨迹的第1、2和n个轨迹点位运动时关节的转矩偏差。
S404、根据转矩偏差和关节信息中的带负载关节角度信息，确定机器人的负载动力学参数。
需要说明的是，在本发明实施例中，认为带负载关节角度信息和无负载关节角度信息相同。
可选的，确定转矩偏差后，可以将转矩偏差和关节信息中的带负载关节角度信息输入预先训练好的模型中，输出负载动力学参数，即确定机器人的负载动力学参数；也可以根据预设的计算公式，将转矩偏差和带负载关节角度信息代入公式，计算出负载动力学参数，即确定机器人的负载动力学参数，具体的，根据转矩偏差和关节信息中的带负载关节角度信息，确定机器人的负载动力学参数，包括：根据关节信息中的带负载关节角度信息，确定机器人所有关节的关节速度和关节加速度；根据转矩偏差、关节速度和关节加速度，确定机器人的负载动力学参数。
其中，关节角度信息可以表征各关节的位置运行值。关节速度是指带负载关节角度信息的速度运行值。关节加速度是指带负载关节角度信息的加速度运行值。
可选的，可以对带负载关节角度信息中的关节角度求一阶导数，确定关节速度，对带负载关节角度信息中的关节角度求二阶导数，确定关节加速度，即确定机器人所有关节的关节速度和关节加速度。
可选的，确定机器人所有关节的关节速度和关节加速度之后，可以基于预设的计算规则，根据转矩偏差、关节速度和关节加速度，确定机器人的负载动力学参数，具体的，可以根据关节角度、关节速度和关节加速度，确定系数矩阵，进一步根据系数矩阵和转矩偏差，建立关于负载动力学参数的超定方程，利用最小二乘法、加权最小二乘法以及遗传算法，求解得到负载动力学参数，即确定机器人的负载动力学参数。
示例性的，可以通过如下超定方程确定机器人的负载动力学参数：
Figure BDA0003735254320000131
其中，hload是指负载动力学参数，Δτ1、Δτ2和Δτn分别表示机器人在目标激励轨迹的第1、2和n个轨迹点位运动时关节的转矩偏差。Η(·)表示是超定方程的方程系数。q1、q2和qn分别表示机器人在目标激励轨迹的第1、2和n个轨迹点位运动时关节的关节角度，
Figure BDA0003735254320000133
和
Figure BDA0003735254320000132
分别表示机器人在目标激励轨迹的第1、2和n个轨迹点位运动时关节的关节速度。
Figure BDA0003735254320000134
和
Figure BDA0003735254320000135
分别表示机器人在目标激励轨迹的第1、2和n个轨迹点位运动时关节的关节加速度。
实施例五
本实施在上述实施例的基础上给出了一种用户预先指定末端位姿情况下，如何对7轴串联机器人进行负载辨识的优选实例，具体的，本实施所提供的负载辨识方法包括以下过程：
用户根据工业现场实际情况，选定一个机器人末端位姿，通过7轴机器人逆解解析算法确定机器人的自运动轨迹。具体的来说，7轴串联机器人为冗余机器人，同一末端位姿下，存在无数组运动学逆解，这些逆解组成的轨迹，称之为自运动轨迹(即可运动轨迹)。
根据机器人自运动轨迹，考虑机器人关节位置限制(即关节参数限制条件)，设计机器人自运动激励轨迹(即备选激励轨迹)。该备选激励轨迹是对末端关节角度进行一定补偿(如在自运动轨迹上，给机器人第7关节叠加一个速度)之后，由自运动轨迹上的多个点组成的，可以保证激励轨迹末端姿态有一定的变化，即在激励轨迹上，机器人末端位置不变，末端位姿存在小幅度变化。
其中，关节参数限制条件可以根据机器人自身的配置信息，或者通过用户根据工作场景实际情况设置。
可选的，确定备选激励轨迹之后，需判断备选激励轨迹是否与周围环境(或自身)发生干涉(即确定备选激励轨迹中是否存在环境障碍点位)，具体的，需要判断备选激励轨迹中的每个点位是否与周围环境发生干涉，如发生干涉，则可使得用户重新选择一个新的末端位姿，在发生干涉的情况下，也可以直接删除备选激励轨迹中与周围环境发生干涉的点。如未发生干涉，则直接确定备选激励轨迹为目标激励轨迹。
可选的，判断备选激励轨迹是否存在干涉，可根据离线编程软件(或其他仿真软件)判定，也可以先令机器人实际运行，根据运行结果再进行判定；还可以将两种方式结合，确定备选激励轨迹是否存在干涉。
可选的，控制机器人按照目标激励轨迹，分别带载与不带载运行，记录各个关节运行信息。具体的说，1、机器人不安装负载，通过机器人的控制模块控制机器人按目标激励轨迹运行，通过控制模块采集运行过程中机器人关节角度及关节转矩信息，即无负载关节转矩信息和无负载关节角度信息。2、机器人安装负载，通过机器人的控制模块控制机器人按激励轨迹运行，通过控制模块采集运行过程中机器人关节角度及关节转矩信息，即带负载关节转矩信息和带负载关节角度信息。
可选的，确定机器人带载与不带载情况下机器人的关节信息之后，可根据两者关节转矩的差值，基于该差值与负载动力学参数之间的关系，来计算负载动力学参数。
需要说明的是，实际场景中，采集所得的机器人关节转矩信息一般存在噪声，因此需对转矩信号进行低通滤波处理，为了不产生滤波滞后，往往需对信号进行正反双向滤波，根据经滤波处理后的关节转矩信息，确定负载动力学参数时，具体可以通过如下超定方程：
Figure BDA0003735254320000151
其中，hload是指负载动力学参数，Δτ1、Δτ2和Δτn分别表示机器人在目标激励轨迹的第1、2和n个轨迹点位运动时关节的转矩偏差。Η(·)表示是超定方程的方程系数。q1、q2和qn分别表示机器人在目标激励轨迹的第1、2和n个轨迹点位运动时关节的关节角度，
Figure BDA0003735254320000152
和
Figure BDA0003735254320000153
分别表示机器人在目标激励轨迹的第1、2和n个轨迹点位运动时关节的关节速度。
Figure BDA0003735254320000154
和
Figure BDA0003735254320000155
分别表示机器人在目标激励轨迹的第1、2和n个轨迹点位运动时关节的关节加速度。
本发明实施例的技术方案，给出了一种7轴机器人进行负载辨识的优选实例，实现了更准确的机器人负载辨识，同时可以避免机器人末端大范围的移动。
实施例六
图5是本发明实施例六提供的一种机器人的负载辨识装置的结构图，本发明实施例所提供的一种机器人的负载辨识装置可执行本发明任一实施例所提供的一种机器人的负载辨识方法，具备执行方法相应的功能模块和有益效果。
如图5所示，该装置包括：
轨迹确定模块601，用于根据机器人的末端位姿，和关节参数限制条件确定所述机器人的目标激励轨迹；
获取模块602，用于在所述机器人基于所述目标激励轨迹运动的过程中，获取所述机器人所有关节的关节信息；
参数确定模块603，用于根据所述关节信息，确定所述机器人的负载动力学参数。
本发明实施例的技术方案，通过根据机器人的末端位姿，和关节参数限制条件确定机器人的目标激励轨迹，在机器人基于目标激励轨迹运动的过程中，获取机器人所有关节的关节信息，最后根据关节信息，确定机器人的负载动力学参数。通过根据固定的机器人末端位姿，确定目标激励轨迹，使得机器人基于该激励轨迹运行，从而确定动力学负载参数，实现了更准确的机器人负载辨识，同时避免了机器人末端大范围的移动。
进一步的，轨迹确定模块601可以包括：
第一确定单元，用于根据机器人的末端位姿，确定所述机器人的可运动轨迹；
第二确定单元，用于根据所述关节参数限制条件和所述可运动轨迹，确定机器人的备选激励轨迹；
第三确定单元，用于根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中是否存在环境障碍点位。
第四确定单元，用于若否，则根据备选激励轨迹，确定机器人的目标激励轨迹。
进一步的，轨迹确定模块601还用于：
根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中是否存在环境障碍点位之后，在根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中存在环境障碍点位的情况下，根据所述环境障碍点位和所述备选激励轨迹，确定机器人的目标激励轨迹。
进一步的，轨迹确定模块601还用于：
根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中是否存在环境障碍点位之后，在根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中存在环境障碍点位的情况下，更新所述末端位姿；
根据更新后的末端位姿，返回执行根据机器人的末端位姿，确定所述机器人的可运动轨迹。
进一步的，轨迹确定模块601还包括：
第四确定单元，用于在根据所述关节参数限制条件和所述可运动轨迹，确定机器人的备选激励轨迹之前，根据机器人的配置信息，确定关节参数限制条件。
进一步的，参数确定模块603可以包括：
偏差确定单元，用于根据所述关节信息中的带负载关节转矩信息和无负载关节转矩信息，确定转矩偏差；
动力学参数确定单元，用于根据所述转矩偏差和所述关节信息中的带负载关节角度信息，确定机器人的负载动力学参数。
进一步的，动力学参数确定单元具体用于：
根据所述关节信息中的带负载关节角度信息，确定机器人所有关节的关节速度和关节加速度；
根据所述转矩偏差、所述关节速度和所述关节加速度，确定机器人的负载动力学参数。
实施例七
图6是本发明实施例七提供的电子设备的结构示意图。图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如机器人的负载辨识方法。
在一些实施例中，机器人的负载辨识方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的机器人的负载辨识方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行机器人的负载辨识方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种机器人的负载辨识方法，其特征在于，包括：
根据机器人的末端位姿，和关节参数限制条件确定所述机器人的目标激励轨迹；
在所述机器人基于所述目标激励轨迹运动的过程中，获取所述机器人所有关节的关节信息；
根据所述关节信息，确定所述机器人的负载动力学参数。
2.根据权利要求1所述的方法，其特征在于，所述根据机器人的末端位姿，和关节参数限制条件确定所述机器人的目标激励轨迹，包括：
根据机器人的末端位姿，确定所述机器人的可运动轨迹；
根据所述关节参数限制条件和所述可运动轨迹，确定所述机器人的备选激励轨迹；
根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中是否存在环境障碍点位；
若否，则根据所述备选激励轨迹，确定所述机器人的目标激励轨迹。
3.根据权利要求2所述的方法，其特征在于，根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中是否存在环境障碍点位之后，还包括：
在根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中存在环境障碍点位的情况下，根据所述环境障碍点位和所述备选激励轨迹，确定所述机器人的目标激励轨迹。
4.根据权利要求2所述的方法，其特征在于，根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中是否存在环境障碍点位之后，还包括：
在根据所述备选激励轨迹和机器人环境信息，确定所述备选激励轨迹中存在环境障碍点位的情况下，更新所述末端位姿；
根据更新后的末端位姿，返回执行根据机器人的末端位姿，确定所述机器人的可运动轨迹。
5.根据权利要求2所述的方法，其特征在于，在根据所述关节参数限制条件和所述可运动轨迹，确定机器人的备选激励轨迹之前，还包括：
根据所述机器人的配置信息，确定关节参数限制条件。
6.根据权利要求1所述的方法，其特征在于，根据所述关节信息，确定所述机器人的负载动力学参数，包括：
根据所述关节信息中的带负载关节转矩信息和无负载关节转矩信息，确定转矩偏差；
根据所述转矩偏差和所述关节信息中的带负载关节角度信息，确定所述机器人的负载动力学参数。
7.根据权利要求6所述的方法，其特征在于，根据所述转矩偏差和所述关节信息中的带负载关节角度信息，确定所述机器人的负载动力学参数，包括：
根据所述关节信息中的带负载关节角度信息，确定机器人所有关节的关节速度和关节加速度；
根据所述转矩偏差、所述关节速度和所述关节加速度，确定所述机器人的负载动力学参数。
8.一种机器人的负载辨识装置，其特征在于，包括：
轨迹确定模块，用于根据机器人的末端位姿，和关节参数限制条件确定所述机器人的目标激励轨迹；
获取模块，用于在所述机器人基于所述目标激励轨迹运动的过程中，获取所述机器人所有关节的关节信息；
参数确定模块，用于根据所述关节信息，确定所述机器人的负载动力学参数。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的机器人的负载辨识方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的机器人的负载辨识方法。
CN202210847130.3A 2022-07-07 2022-07-07 一种机器人的负载辨识方法、装置、设备以及存储介质 Pending CN115237128A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210847130.3A CN115237128A (zh) 2022-07-07 2022-07-07 一种机器人的负载辨识方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210847130.3A CN115237128A (zh) 2022-07-07 2022-07-07 一种机器人的负载辨识方法、装置、设备以及存储介质

Publications (1)

Publication Number Publication Date
CN115237128A true CN115237128A (zh) 2022-10-25

Family

ID=83674397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210847130.3A Pending CN115237128A (zh) 2022-07-07 2022-07-07 一种机器人的负载辨识方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN115237128A (zh)

Similar Documents

Publication Publication Date Title
EP3656513A1 (en) Method and system for predicting a motion trajectory of a robot moving between a given pair of robotic locations
CN114227685A (zh) 机械臂控制方法、装置、计算机可读存储介质及机械臂
CN115946120B (zh) 机械臂控制方法、装置、设备和介质
CN117047771A (zh) 机器人的柔顺控制方法、装置及电子设备
CN115237128A (zh) 一种机器人的负载辨识方法、装置、设备以及存储介质
CN116945177A (zh) 上甑机器人补料路径规划方法、装置、电子设备及介质
CN116460846A (zh) 机械臂控制方法、装置、设备和存储介质
CN115816458A (zh) 机器人运动学参数和重力一体化标定及补偿方法及其装置
CN109434840A (zh) 一种基于样条曲线的机器人自由路径生成方法
CN113341724A (zh) 一种多模态机械臂的异步滑模控制方法
CN117340899B (zh) 转矩补偿方法、装置、电子设备及存储介质
CN114274148B (zh) 一种轨迹规划方法、装置、电子设备以及存储介质
CN114571457B (zh) 一种奇异位姿规避方法、装置、设备以及存储介质
WO2021109166A1 (zh) 三维激光定位方法及系统
EP4081926A1 (en) Automatic simplification of a rigid-body simulation
CN116330280B (zh) 机器人碰撞检测方法、装置、设备及介质
CN117400268B (zh) 非线性摩擦力补偿方法、装置、电子设备及存储介质
CN117272425B (zh) 一种装配方法、装置、电子设备及存储介质
CN117921668A (zh) 一种机器人杆件参数的确定方法、装置、设备及介质
CN117270832B (zh) 一种机器指令的生成方法、装置、电子设备及存储介质
CN115502976A (zh) 基于机械臂的柔顺控制方法、装置、电子设备及存储介质
RU2756437C1 (ru) Способ и система планирования движения робота-манипулятора путем коррекции опорных траекторий
CN113246133B (zh) 机械臂多关节的旋转指令计算方法、旋转控制方法及系统
CN117901118A (zh) 机器人机械臂的路径规划方法、装置、设备及存储介质
WO2024114593A1 (zh) 多线激光定位方法及定位装置、计算机设备、存储介质

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
CB02 Change of applicant information

Address after: 200126 building 6, 646 Jianchuan Road, Minhang District, Shanghai

Applicant after: Jieka Robot Co.,Ltd.

Address before: 200126 building 6, 646 Jianchuan Road, Minhang District, Shanghai

Applicant before: SHANGHAI JAKA ROBOTICS Ltd.

CB02 Change of applicant information