CN116330280A - 机器人碰撞检测方法、装置、设备及介质 - Google Patents
机器人碰撞检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116330280A CN116330280A CN202310231279.3A CN202310231279A CN116330280A CN 116330280 A CN116330280 A CN 116330280A CN 202310231279 A CN202310231279 A CN 202310231279A CN 116330280 A CN116330280 A CN 116330280A
- Authority
- CN
- China
- Prior art keywords
- collision
- error
- moment
- robot
- module
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 64
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 17
- 230000000875 corresponding effect Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000012821 model calculation Methods 0.000 claims description 7
- 238000005299 abrasion Methods 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
- B25J9/1676—Avoiding collision or forbidden zones
Abstract
本发明公开了一种机器人碰撞检测方法,包括以下步骤:根据误差主要来源得到误差自适应模型,线性化所述误差自适应模型,基于在线参数辨识模块构建动力学误差补偿器;计算连杆动力学及关节端摩擦力力矩,获取或计算关节输出端力矩,由此计算碰撞力所产生的理论碰撞力矩;对所述理论碰撞力矩进行误差补偿得到真实碰撞力矩,并根据负载变化及碰撞情况调整所述动力学误差补偿器的工作状态;将所述真实碰撞力矩与预设碰撞阈值进行比较,进行机器人的实时碰撞检测。在保证碰撞灵敏度的前提下能实时补偿由于温度、磨损及负载变化引起的动力学模型误差,进而解决碰撞检测误报警的问题,还有利于提高动力学模型精度。
Description
技术领域
本发明涉及机器人技术领域,更具体地说,涉及一种机器人碰撞检测方法、装置、设备及介质。
背景技术
随着协作机器人在各个生产生活场景的普及,大大增加了机器人与人和环境进行交互的可能性,因此机器人对外界环境交互的力感知显得格外重要,这是实现机器人安全操作的基础环节。机器人动力学模型精度较差时,在保证碰撞检测灵敏度的前提下,碰撞检测的误报率会显著提升,严重影响了用户的使用体验。
目前,公开号为CN114407022A的专利,公开了基于模型参数误差观测器来提高动力学模型精度,但需要建立复杂的动力学线性回归模型,计算量大,算法部署成本高;公开号为CN110026981A的专利公开了基于模型自适应的机械臂碰撞检测方法,使用带惯性项的库伦摩擦力模型拟合整体动力学模型误差,但拟合模型与实际误差形式不符,对于连杆动力学的补偿效果较差,且参数估计结果无法直接用于动力学模型。此外,当外力持续作用时,自适应模型会将外力补偿掉,导致机器人在清除报警后无法及时碰撞报警。
文献《机器人带未知负载条件下的碰撞检测算法-李智靖》设计了一种基于带通滤波器的碰撞观测器,带通滤波器虽然降低了力矩误差幅值,但也降低了碰撞外力的幅值,且滤波效果越好,碰撞外力幅值衰减的越严重,因此检测到碰撞时的外力较大;文献《基于快速动力学辨识的免外部传感器机器人碰撞检测_甘亚辉》需要事先辨识动力学模型和阈值模型,但长时间运行后机器人的关节端摩擦力矩及连杆动力学参数会发生变化,从而导致事先辨识的模型参数失效,使得碰撞检测的误报率较高。可知,现有的解决方案在实际应用过程中仍存在很多的局限性。因此,有必要提供一种动力学模型精度更高、解决碰撞检测误报警的机器人碰撞检测方法。
发明内容
为了解决上述问题,本发明提供了一种机器人碰撞检测方法,包括以下步骤:
S100、根据误差主要来源得到误差自适应模型,线性化所述误差自适应模型,基于在线参数辨识模块构建动力学误差补偿器;
S200、计算连杆动力学及关节端摩擦力矩,获取或计算关节输出端力矩,由此计算碰撞力所产生的理论碰撞力矩;
S300、对所述理论碰撞力矩进行误差补偿得到真实碰撞力矩,并根据负载变化及碰撞情况调整所述动力学误差补偿器的工作状态;
S400、将所述真实碰撞力矩与预设碰撞阈值进行比较,进行机器人的实时碰撞检测。
作为一种优选的技术方案,所述步骤S100包括:
根据机器人实际构型与反馈方式构建动力学模型,并使用误差来源分析模块完成动力学模型误差的分析与建模得到误差自适应模型;
通过误差自适应模型线性化模块实现对所述误差自适应模型的线性化得到误差等效模型;
通过预设的在线参数辨识模块对所述误差等效模型进行动力学误差补偿器的构建。
作为一种优选的技术方案,所述步骤S200包括:
通过预设的反馈数据采集模块获取机器人实时运动状态并代入预设的连杆动力学计算模块和摩擦力计算模块得到理想状态下的连杆端计算力矩及关节端摩擦力矩;
获取机器人关节输出端力矩;
根据所述连杆端计算力矩、关节端摩擦力矩及关节输出端力矩,通过预设的关节外力矩获取模块获取得到理论碰撞力矩。
作为一种优选的技术方案,所述步骤S300包括:
根据所述的动力学误差补偿器对所述理论碰撞力矩进行误差补偿得到机器人关节的真实碰撞力矩;
当检测负载参数发生变化时,预设的负载自适应模块会调整所述动力学误差补偿器的工作状态,使其快速适应负载变化;
当检测到碰撞时,预设的误差补偿器开关模块将产生动作,暂时停止所述动力学误差补偿器的补偿参数更新工作。
作为一种优选的技术方案,所述检测到碰撞时,预设的误差补偿器开关模块将产生动作,暂时停止所述动力学误差补偿器的补偿参数更新工作,包括:
当检测到上一周期发生碰撞时,所述动力学误差补偿器会使用上一周期未发生碰撞时的误差补偿参数完成动力学模型误差的补偿;若上一周期未发生碰撞,则当前周期使用动力学误差补偿器的实时计算数据进行动力学模型误差的补偿。
作为一种优选的技术方案,所述步骤S400包括:
通过预设的碰撞检测模块将所述真实碰撞力矩与预设碰撞阈值比较;
若真实碰撞力矩大于等于预设碰撞阈值则机器人发生碰撞,调用碰撞反应模块根据外部碰撞力矩进行相应动作以应对外界碰撞;
当碰撞信号复位模块检测到外部产生复位信号时,重置机器人碰撞状态,使其进入正常工作状态。
本发明还提供了一种机器人碰撞检测装置,包括:
误差补偿装置,用于分析机器人误差主要来源构建相应的误差模型,基于参数在线辨识模块实现相应的动力学误差补偿器,用于模型误差的补偿;
机器人动力学模型计算装置,用于反馈数据的获取、机器人连杆动力学及摩擦力矩的计算及关节外力矩的获取;
碰撞检测装置,用于实时检测机器人是否与外部环境发生碰撞,并根据碰撞情况作出相应碰撞反应,保证设备及人员安全。
作为一种优选的技术方案,所述误差补偿装置包括误差来源分析模块、误差自适应模型线性化模块、在线参数辨识模块、负载自适应模块及误差补偿器开关模块;
所述机器人动力学模型计算装置包括反馈数据采集模块、连杆动力学计算模块、摩擦力计算模块及关节外力矩获取模块;
所述碰撞检测装置包括碰撞检测模块、碰撞反应模块及碰撞信号复位模块。
本发明还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实现上述的机器人碰撞检测方法。
本发明还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上述的机器人碰撞检测方法。
与现有技术相比较,本发明带来的有益效果是:
(1)本发明从误差主要来源出发建立动力学模型误差,可根据不同的误差来源构建相应的动力学误差补偿器,基于在线参数辨识模块实现的实时动力学误差补偿器,能够在线实时自适应动力学模型误差;
(2)当负载参数发生变化时,设有的负载自适应模块会初始化动力学误差补偿器的参数,实现更换负载后的误差项补偿,能够快速适应负载的变化;
(3)本发明通过设有的误差补偿器开关模块可在检测到碰撞时,暂时停止动力学误差补偿器的补偿参数更新工作,能够防止动力学误差补偿器将真实碰撞力矩补偿掉;
(4)本发明提供的机器人碰撞检测方法无需进行复杂的动力学参数辨识,在保证碰撞灵敏度的前提下能实时补偿由于温度、磨损及负载变化引起的动力学模型误差,进而解决碰撞检测误报警的问题,还有利于提高动力学模型精度,算法计算量小、部署成本低。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明基于电流反馈的机器人碰撞检测方法的流程示意图;
图2为本发明机器人碰撞检测方法中步骤S100的流程图;
图3为本发明机器人碰撞检测方法中步骤S200的流程图;
图4为本发明机器人碰撞检测方法中步骤S300的流程图;
图5为本发明机器人碰撞检测方法中步骤S400的流程图;
图6为本发明一实施例中机器人碰撞检测方法的流程图;
图7为本发明机器人碰撞检测装置中误差补偿装置的示意图;
图8为本发明机器人碰撞检测装置中机器人动力学模型计算装置的示意图;
图9为本发明机器人碰撞检测装置中碰撞检测装置的示意图;
图10为本发明一实施例机器人带3kg负载但负载参数设置0时的力矩误差曲线对比图;
图11为本发明一实施例误差补偿前后的碰撞力矩峰值对比图;
图12为本发明一实施例提供的一种电子设备的结构框图。
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”和“第二”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。
图1是本发明实施例提供的一种基于电流反馈的机器人碰撞检测方法的流程图,本实施例可适用于机器人碰撞检测的场景中。该方法可以由机器人碰撞检测装置来执行,该机器人碰撞检测装置可以采用硬件和/或软件的形式实现,也可以配置于电子设备中。
如图1所示,本发明一实施例提供一种机器人碰撞检测方法,包括以下步骤:
S100、根据误差主要来源得到误差自适应模型,线性化所述误差自适应模型,基于在线参数辨识模块构建动力学误差补偿器;
S200、计算连杆动力学及关节端摩擦力矩,获取或计算关节输出端力矩,由此计算碰撞力所产生的理论碰撞力矩;
S300、对所述理论碰撞力矩进行误差补偿得到真实碰撞力矩,并根据负载变化及碰撞情况调整所述动力学误差补偿器的工作状态;
S400、将所述真实碰撞力矩与预设碰撞阈值进行比较,进行机器人的实时碰撞检测。
图2是本发明提供的机器人碰撞检测方法中步骤S100的流程图。如图2所示,所述步骤S100具体包括以下步骤:
S101、根据机器人实际构型与反馈方式构建动力学模型,并使用误差来源分析模块完成动力学模型误差的分析与建模得到误差自适应模型。
具体的,所述动力学模型如下所示:
在公式(1)中,τmotor为机器人关节电机端反馈力矩,τlink为连杆端计算力矩,τf为机器人关节内部摩擦产生的摩擦力矩,J为折算到关节输出端的惯量;
需要说明的是,在实际应用中,公式(1)中的项在实际计算时通常被忽略,但由于其影响在机器人中是解耦的,可与M(q)对角线元素合并,故该部分误差可认为来自M(q)项;负载有较大变化时,G(q)项精度受较大影响,上述模型产生的误差被定义为Δτlink;公式(3)摩擦力矩还受温度、负载、关节磨损等因素影响,温度及磨损等因素导致的误差被定义为Δτf,负载对摩擦力矩的影响如公式(4)所示:
式中,τload-f为负载相关的摩擦力矩项,kf为负载摩擦力系数。
此外,存在一部分由于硬件等因素导致的关节电机端反馈力矩偏置,即关节力矩大小实际如公式(5)所示:
综上所述,误差自适应模型可定义为如公式(6)所示:
Δτ=Δτlink+Δτf+τload-f+Δτoffset (6)
S102、通过误差自适应模型线性化模块实现对所述误差自适应模型的线性化得到误差等效模型。
所述公式(6)中的Δτoffset项影响与库伦摩擦力影响类似,故将其近似为fc的影响,受温度、磨损等因素影响产生的Δτf项,其变化趋势与公式(3)类似,可用简化后的Stribeck模型表征,如公式(7)所示:
式中,fc1、fv1是表征摩擦力误差项的系数。
类似的,Δτlink变化趋势与τlink近似,故可用公式(8)表征:
Δτlink=klτlink (8)
式中,kl为表征Δτlink与τlink关系的调整系数。
综上,所述误差等效模型如公式(9)所示:
S103、通过预设的在线参数辨识模块对所述误差等效模型进行动力学误差补偿器的构建;所述在线参数辨识模块包括但不限于递推最小二乘法、遗忘因子最小二乘法、卡尔曼滤波法等;所述动力学误差补偿器是用于利用碰撞信号的瞬时性和误差变化的缓慢性来进行误差信号与碰撞信号的区分。
具体的,本实施例的在线参数辨识模块使用遗忘因子最小二乘法对所述误差等效模型进行动力学误差补偿器的构建,构建的动力学误差补偿器如下所示:
上式中,为第k步误差模型参数,/>为动力学误差补偿器的参数估计函数,φ(k)为动力学误差补偿器的第k步观测矩阵,Δτ(k)为第k步力矩误差,errcomp(k)为第k步补偿值,在无碰撞的情况下,errcomp(k)=Δτ(k)。
图3是本发明提供的机器人碰撞检测方法中步骤S200的流程图。如图3所示,所述步骤S200具体包括以下步骤:
S201、通过预设的反馈数据采集模块获取机器人实时运动状态并代入预设的连杆动力学计算模块和摩擦力计算模块得到理想状态下的连杆端计算力矩及关节端摩擦力矩;所述机器人实时运动状态包括但不限于关节位置、关节速度、关节加速度、关节加加速度、关节电机端反馈力矩、关节输出端力矩及关节温度等。
S202、获取机器人关节输出端力矩;所述关节输出端力矩可通过电流-力矩模型进行估计计算或者直接获取得到;所述关节输出端力矩通过包括但不限于力矩传感器、反馈电流、双编码器力矩估计等方式直接获取得到。
S203、根据所述连杆端计算力矩、关节端摩擦力矩及关节输出端力矩,通过预设的关节外力矩获取模块获取得到理论碰撞力矩;所述关节外力矩获取模块的获取方式包括但不限于直接获取、逆动力学法、速度观测器、动量观测器、卡尔曼滤波器等方法;所述理论碰撞力矩是指包含模型误差的关节外力矩。
具体的,结合公式(1)-(3),得到所述关节输出端力矩如公式(12)所示:
式中,τout为关节输出端力矩。
当有碰撞发生时,所述理论碰撞力矩如公式(13)所示:
图4是本发明提供的机器人碰撞检测方法中步骤S300的流程图。如图4所示,所述步骤S300具体包括以下步骤:
S301、根据所述的动力学误差补偿器对所述理论碰撞力矩进行误差补偿得到机器人关节的真实碰撞力矩;所述真实碰撞力矩,是指经过误差补偿后的理论碰撞力矩。
具体的,基于步骤S103构建的动力学误差补偿器,对理论碰撞力矩进行补偿,结合式(10)-(13),得到误差补偿后的真实碰撞力矩,计算如公式(14)所示:
S302、当检测负载参数发生变化时,预设的负载自适应模块会调整所述动力学误差补偿器的工作状态,使其快速适应负载变化。
如前所述,实时动力学误差补偿器利用碰撞信号的瞬时性和误差变化的缓慢性来进行误差信号与碰撞信号的区分。对于更换负载的情况,更换瞬间会产生较大的力矩误差,而动力学误差补偿器仅能补偿变化缓慢的误差项,因此产生碰撞误报警。通常情况下,更换负载的时刻是已知的,故当检测到负载参数发生变化时,预设的负载自适应模块会调整动力学误差补偿器的工作状态,使其快速适应负载的变化。图6为本发明一实施例中机器人碰撞检测方法的流程图,如图6所示,当检测负载参数发生变化时,预设的负载自适应模块会初始化动力学误差补偿器的参数,实现更换负载后的误差项补偿。
S303、当检测到碰撞时,预设的误差补偿器开关模块将产生动作,暂时停止所述动力学误差补偿器的补偿参数更新工作。
进一步的,如图6所示,当检测到上一周期发生碰撞时,为了防止发生碰撞时所述动力学误差补偿器将真实碰撞力矩补偿掉,误差补偿器开关模块将产生动作,暂时停止所述动力学误差补偿器的补偿参数更新,当前周期的动力学误差补偿器会使用发生碰撞之前最近的未发生碰撞周期的误差补偿参数完成动力学模型误差的补偿;若上一周期未发生碰撞,则当前周期使用动力学误差补偿器的实时计算数据进行动力学模型误差的补偿。
图5是本发明提供的机器人碰撞检测方法中步骤S400的流程图。如图5和图6所示,所述步骤S400具体包括以下步骤:
S401、通过预设的碰撞检测模块将所述真实碰撞力矩与预设碰撞阈值比较。
S402、若真实碰撞力矩大于等于预设碰撞阈值则机器人发生碰撞,调用碰撞反应模块根据外部碰撞力矩进行相应动作以应对外界碰撞。
进一步的,通过预设的碰撞检测模块将所述真实碰撞力矩与预设碰撞阈值rth比较,若真实碰撞力矩大于等于预设碰撞阈值则机器人发生碰撞,调用碰撞反应模块以应对外界碰撞;反之则说明机器人未与外界环境发生接触。
需要说明的是,所述碰撞反应模块根据外部碰撞力矩进行相应动作,包括但不限于碰撞回退、碰撞反弹、轨迹缩放、停止、切换至拖动模式等方式。
S403、当碰撞信号复位模块检测到外部产生复位信号时,重置机器人碰撞状态,使其进入正常工作状态。
需要说明的是,当在加减速段动力学误差补偿器不能进行很好的补偿时,可设计与加速度相关的自适应碰撞检测阈值,从而解决加减速过程中的碰撞误报警问题。
图7~9是本发明提供的机器人碰撞检测装置的结构框图,本实施例可适用于机器人碰撞检测的场景中。该装置可以采用硬件和/或软件的形式实现,集成于具有应用开发功能的计算机设备中。
如图7~9所示,该机器人碰撞检测装置,包括:误差补偿装置100,用于分析机器人误差主要来源构建相应的误差模型,基于参数在线辨识模块实现相应的动力学误差补偿器,用于模型误差的补偿;机器人动力学模型计算装置200,用于反馈数据的获取、机器人连杆动力学及摩擦力矩的计算及关节外力矩的获取;碰撞检测装置300,用于实时检测机器人是否与外部环境发生碰撞,并根据碰撞情况作出相应碰撞反应,保证设备及人员安全。
进一步的,所述误差补偿装置100包括误差来源分析模块101、误差自适应模型线性化模块102、在线参数辨识模块103、负载自适应模块104及误差补偿器开关模块105;所述机器人动力学模型计算装置200包括反馈数据采集模块201、连杆动力学计算模块202、摩擦力计算模块203及关节外力矩获取模块204;所述碰撞检测装置300包括碰撞检测模块301、碰撞反应模块302及碰撞信号复位模块303。
图10为本发明一实施例机器人带3kg负载但负载参数设置0时的力矩误差曲线对比图,图中原始数据是指理论碰撞力矩,补偿后数据是补偿后的理论碰撞力矩即真实碰撞力矩。如图10所示,机器人带3kg负载但实际负载参数设为0,在经过所述动力学误差补偿器作用后,误差幅度降低了80%。
图11为本发明一实施例误差补偿前后的碰撞力矩峰值对比图,图中原始数据是指理论碰撞力矩,补偿后数据是补偿后的理论碰撞力矩即真实碰撞力矩。如图11所述,未发生碰撞时,补偿后的误差曲线贴近0轴,说明误报问题得到有效解决,且补偿前与补偿后相同时刻下由于外力造成的电流幅值变化情况相同,说明本方法碰撞检测实时性好且基本无外力矩幅值损失。
由上所述,本发明提供的机器人碰撞检测方法无需进行复杂的动力学参数辨识,在保证碰撞灵敏度的前提下能实时补偿由于温度、磨损及负载变化引起的动力学模型误差,进而解决碰撞检测误报警的问题,还有利于提高动力学模型精度,算法计算量小、部署成本低。
图12是本发明实施例提供的一种电子设备的结构框图。其中,电子设备10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10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12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和/或随机访问存储器(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、调制解调器和/或无线通信收发机等。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、控制器和/或微控制器等。处理器11执行上文所描述的各个方法和处理,例如机器人碰撞检测方法。
在一些实施例中,机器人碰撞检测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碰撞检测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碰撞检测方法。
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)
1.一种机器人碰撞检测方法,其特征在于,包括以下步骤:
S100、根据误差主要来源得到误差自适应模型,线性化所述误差自适应模型,基于在线参数辨识模块构建动力学误差补偿器;
S200、计算连杆动力学及关节端摩擦力矩,获取或计算关节输出端力矩,由此计算碰撞力所产生的理论碰撞力矩;
S300、对所述理论碰撞力矩进行误差补偿得到真实碰撞力矩,并根据负载变化及碰撞情况调整所述动力学误差补偿器的工作状态;
S400、将所述真实碰撞力矩与预设碰撞阈值进行比较,进行机器人的实时碰撞检测。
2.根据权利要求1所述的机器人碰撞检测方法,其特征在于,所述步骤S100包括:
根据机器人实际构型与反馈方式构建动力学模型,并使用误差来源分析模块完成动力学模型误差的分析与建模得到误差自适应模型;
通过误差自适应模型线性化模块实现对所述误差自适应模型的线性化得到误差等效模型;
通过预设的在线参数辨识模块对所述误差等效模型进行动力学误差补偿器的构建。
3.根据权利要求2所述的机器人碰撞检测方法,其特征在于,所述步骤S200包括:
通过预设的反馈数据采集模块获取机器人实时运动状态并代入预设的连杆动力学计算模块和摩擦力计算模块得到理想状态下的连杆端计算力矩及关节端摩擦力矩;
获取机器人关节输出端力矩;
根据所述连杆端计算力矩、关节端摩擦力矩及关节输出端力矩,通过预设的关节外力矩获取模块获取得到理论碰撞力矩。
4.根据权利要求3所述的机器人碰撞检测方法,其特征在于,所述步骤S300包括:
根据所述的动力学误差补偿器对所述理论碰撞力矩进行误差补偿得到机器人关节的真实碰撞力矩;
当检测负载参数发生变化时,预设的负载自适应模块会调整所述动力学误差补偿器的工作状态,使其快速适应负载变化;
当检测到碰撞时,预设的误差补偿器开关模块将产生动作,暂时停止所述动力学误差补偿器的补偿参数更新工作。
5.根据权利要求4所述的机器人碰撞检测方法,其特征在于,所述检测到碰撞时,预设的误差补偿器开关模块将产生动作,暂时停止所述动力学误差补偿器的补偿参数更新工作,包括:
当检测到上一周期发生碰撞时,当前周期的动力学误差补偿器会使用发生碰撞之前最近的未发生碰撞周期的误差补偿参数完成动力学模型误差的补偿;若上一周期未发生碰撞,则当前周期使用动力学误差补偿器的实时计算数据进行动力学模型误差的补偿。
6.根据权利要求5所述的机器人碰撞检测方法,其特征在于,所述步骤S400包括:
通过预设的碰撞检测模块将所述真实碰撞力矩与预设碰撞阈值比较;
若真实碰撞力矩大于等于预设碰撞阈值则机器人发生碰撞,调用碰撞反应模块根据外部碰撞力矩进行相应动作以应对外界碰撞;
当碰撞信号复位模块检测到外部产生复位信号时,重置机器人碰撞状态,使其进入正常工作状态。
7.一种机器人碰撞检测装置,其特征在于,包括:
误差补偿装置,用于分析机器人误差主要来源构建相应的误差模型,基于参数在线辨识模块实现相应的动力学误差补偿器,用于模型误差的补偿;
机器人动力学模型计算装置,用于反馈数据的获取、机器人连杆动力学及摩擦力矩的计算及关节外力矩的获取;
碰撞检测装置,用于实时检测机器人是否与外部环境发生碰撞,并根据碰撞情况作出相应碰撞反应,保证设备及人员安全。
8.根据权利要求7所述的机器人碰撞检测装置,其特征在于,所述误差补偿装置包括误差来源分析模块、误差自适应模型线性化模块、在线参数辨识模块、负载自适应模块及误差补偿器开关模块;
所述机器人动力学模型计算装置包括反馈数据采集模块、连杆动力学计算模块、摩擦力计算模块及关节外力矩获取模块;
所述碰撞检测装置包括碰撞检测模块、碰撞反应模块及碰撞信号复位模块。
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实现权利要求1-8中任一项所述的机器人碰撞检测方法。
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1-8中任一项所述的机器人碰撞检测方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2023100728643 | 2023-01-16 | ||
CN202310072864 | 2023-01-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116330280A true CN116330280A (zh) | 2023-06-27 |
CN116330280B CN116330280B (zh) | 2024-03-12 |
Family
ID=86888765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310231279.3A Active CN116330280B (zh) | 2023-01-16 | 2023-03-10 | 机器人碰撞检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116330280B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170141621A (ko) * | 2016-06-15 | 2017-12-26 | 주식회사 사이보그-랩 | 구동 제어 신호를 이용한 로봇 충돌 감지 장치 |
DE102019102803A1 (de) * | 2019-02-05 | 2020-08-06 | Franka Emika Gmbh | Ausrichten zweier Roboterarme zueinander |
CN112743535A (zh) * | 2019-10-30 | 2021-05-04 | 北京配天技术有限公司 | 一种自适应碰撞检测方法、装置以及存储介质 |
CN114211491A (zh) * | 2021-12-20 | 2022-03-22 | 深圳市优必选科技股份有限公司 | 一种碰撞检测方法、装置、计算机可读存储介质及机器人 |
CN114952939A (zh) * | 2022-05-27 | 2022-08-30 | 武汉久同智能科技有限公司 | 一种基于动态阈值的协作机器人碰撞检测方法及系统 |
CN115042178A (zh) * | 2022-06-27 | 2022-09-13 | 清华大学 | 保证接触安全的机器人强化学习方法、装置、设备及介质 |
-
2023
- 2023-03-10 CN CN202310231279.3A patent/CN116330280B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170141621A (ko) * | 2016-06-15 | 2017-12-26 | 주식회사 사이보그-랩 | 구동 제어 신호를 이용한 로봇 충돌 감지 장치 |
DE102019102803A1 (de) * | 2019-02-05 | 2020-08-06 | Franka Emika Gmbh | Ausrichten zweier Roboterarme zueinander |
CN112743535A (zh) * | 2019-10-30 | 2021-05-04 | 北京配天技术有限公司 | 一种自适应碰撞检测方法、装置以及存储介质 |
CN114211491A (zh) * | 2021-12-20 | 2022-03-22 | 深圳市优必选科技股份有限公司 | 一种碰撞检测方法、装置、计算机可读存储介质及机器人 |
CN114952939A (zh) * | 2022-05-27 | 2022-08-30 | 武汉久同智能科技有限公司 | 一种基于动态阈值的协作机器人碰撞检测方法及系统 |
CN115042178A (zh) * | 2022-06-27 | 2022-09-13 | 清华大学 | 保证接触安全的机器人强化学习方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116330280B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Dual-rate-loop control based on disturbance observer of angular acceleration for a three-axis aerial inertially stabilized platform | |
Kim et al. | Indirect cutting force measurement in multi-axis simultaneous NC milling processes | |
JP5057858B2 (ja) | 目標追尾装置、目標追尾方法、目標追尾プログラム | |
US11833692B2 (en) | Method and device for controlling arm of robot | |
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 | |
CN102608351A (zh) | 机械臂三维姿态的检测方法和系统、及控制其运行的系统 | |
CN116330280B (zh) | 机器人碰撞检测方法、装置、设备及介质 | |
CN110900659A (zh) | 一种机器人碰撞检测方法、装置、电子设备及存储介质 | |
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 | |
CN115235527A (zh) | 传感器外参标定方法、装置以及电子设备 | |
CN117400268B (zh) | 非线性摩擦力补偿方法、装置、电子设备及存储介质 | |
CN114199236A (zh) | 定位数据处理的方法、装置、电子设备和自动驾驶车辆 | |
CN117340899B (zh) | 转矩补偿方法、装置、电子设备及存储介质 | |
JP2020165981A (ja) | 情報処理システム、情報処理装置、プログラム、及び情報処理方法 | |
CN114274148B (zh) | 一种轨迹规划方法、装置、电子设备以及存储介质 | |
CN115237128A (zh) | 一种机器人的负载辨识方法、装置、设备以及存储介质 | |
CN115056847B (zh) | 车辆的方向盘零偏补偿角的计算方法、控制方法及装置 | |
CN115805593B (zh) | 力传感器安装信息确定方法、装置、设备和介质 | |
CN117503370A (zh) | 手术机器人控制方法、装置、电子设备及存储介质 | |
CN117289686B (zh) | 一种参数标定方法、装置、电子设备及存储介质 | |
CN112950672A (zh) | 确定关键点的位置的方法、装置和电子设备 | |
CN115307642A (zh) | 车辆位置姿态数据的确定方法、装置及电子设备 | |
CN115930869A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115585773A (zh) | 电磁轴承间隙检测的方法、分类器生成方法及其装置 |
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 |