CN117400268B - 非线性摩擦力补偿方法、装置、电子设备及存储介质 - Google Patents
非线性摩擦力补偿方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117400268B CN117400268B CN202311704969.2A CN202311704969A CN117400268B CN 117400268 B CN117400268 B CN 117400268B CN 202311704969 A CN202311704969 A CN 202311704969A CN 117400268 B CN117400268 B CN 117400268B
- Authority
- CN
- China
- Prior art keywords
- joint module
- integrated joint
- friction force
- robot integrated
- representing
- 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 75
- 230000033001 locomotion Effects 0.000 claims abstract description 86
- 230000008569 process Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 230000001419 dependent effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 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
- 239000000758 substrate Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1641—Programme controls characterised by the control loop compensation for backlash, friction, compliance, elasticity in the joints
-
- 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
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种非线性摩擦力补偿方法、装置、电子设备及存储介质。该方法包括:获取机器人一体化关节模组的运动数据;将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力;基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿。上述技术方案,提升了机器人一体化关节模组控制精度。
Description
技术领域
本发明涉及机器人控制技术领域,尤其涉及一种非线性摩擦力补偿方法、装置、电子设备及存储介质。
背景技术
手术机器人已经成为了当下重要的医疗辅助手段,相比于传统工业机器人手术机器人有着更高精度的需求。
在实现本发明的过程中,发现现有技术中至少存在以下技术问题:手术机器人的一体化关节模组存在控制精度低的问题。
发明内容
本发明提供了一种非线性摩擦力补偿方法、装置、电子设备及存储介质,以提升一体化关节模组的控制精度。
根据本发明的一方面,提供了一种非线性摩擦力补偿方法,包括:
获取机器人一体化关节模组的运动数据;
将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力;
基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿。
根据本发明的另一方面,提供了一种非线性摩擦力补偿装置,包括:
运动数据获取模块,用于获取机器人一体化关节模组的运动数据;
补偿非线性摩擦力预测模块,用于将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力;
摩擦力补偿模块,用于基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿。
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非线性摩擦力补偿方法。
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非线性摩擦力补偿方法。
本发明实施例的技术方案,通过根据非线性摩擦力补偿模型预测机器人一体化关节模组的补偿非线性摩擦力,从而能够更准确的补偿机器人一体化关节模组的非线性摩擦力,提升机器人一体化关节模组的控制精度。
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是根据本发明实施例一提供的一种非线性摩擦力补偿方法的流程图;
图2是根据本发明实施例二提供的一种非线性摩擦力补偿方法的流程图;
图3是根据本发明实施例提供的一种非线性粘滞摩擦力模型的示意图;
图4是根据本发明实施例提供的一种高斯过程回归去噪的示意图;
图5是根据本发明实施例三提供的一种非线性摩擦力补偿方法的流程图;
图6是根据本发明实施例四提供的一种非线性摩擦力补偿装置的结构示意图;
图7是实现本发明实施例的非线性摩擦力补偿方法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”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。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
实施例一
图1为本发明实施例一提供的一种非线性摩擦力补偿方法的流程图,本实施例可适用于手术机器人一体化关节摩擦力补偿的情况,该方法可以由非线性摩擦力补偿装置来执行,该非线性摩擦力补偿装置可以采用硬件和/或软件的形式实现,该非线性摩擦力补偿装置可配置于手术机器人、计算机等电子设备中。如图1所示,该方法包括:
S110、获取机器人一体化关节模组的运动数据。
本公开实施例中,运动数据是指机器人一体化关节模组的实时运动数据,可以包括但不限于速度信息、位置信息和力矩值等。
具体地,可以通过速度采集装置、位置采集装置、力矩采集装置等运动数据采集设备采集得到机器人一体化关节模组的运动数据。
S120、将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力。
在本公开实施例中,非线性摩擦力补偿模型是指能够预测机器人一体化关节模组的补偿非线性摩擦力的动力学模型。
具体地,可以将机器人一体化关节模组的运动数据作为模型的输入数据,输入至非线性摩擦力补偿模型中,非线性摩擦力补偿模型根据机器人一体化关节模组的运动数据进行预测,得到机器人一体化关节模组的补偿非线性摩擦力。
S130、基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿。
在本公开实施例中,补偿非线性摩擦力可以用于对机器人一体化关节模组中电机进行摩擦力补偿,以提升机器人一体化关节模组的控制精度。
本发明实施例的技术方案,通过根据非线性摩擦力补偿模型预测机器人一体化关节模组的补偿非线性摩擦力,从而能够更准确的补偿机器人一体化关节模组的非线性摩擦力,提升机器人一体化关节模组的控制精度。
实施例二
图2为本发明实施例二提供的一种非线性摩擦力补偿方法的流程图,本实施例的方法与上述实施例中提供的非线性摩擦力补偿方法中各个可选方案可以结合。本实施例提供的非线性摩擦力补偿方法对非线性摩擦力补偿模型进行了进一步限定。
如图2所示,该方法包括:
S210、获取机器人一体化关节模组的运动数据。
S220、将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力,其中,所述非线性摩擦力补偿模型为预先建立的电机摩擦力补偿的动力学模型。
S230、基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿。
在本公开实施例中,非线性摩擦力补偿模型,包括:
;
其中,表示机器人一体化关节模组的补偿非线性摩擦力,/>表示位置,/>表示速度,/>表示加速度,/>表示惯性力补偿系数,/>表示库伦摩擦力,/>表示与速度相关的粘滞摩擦力函数;/>表示位置相关阻力函数。
可选地,所述与速度相关的粘滞摩擦力函数,包括:
;
其中,表示粘滞摩擦力系数,/>表示非线性摩擦补偿系数,/>表示速度阈值,速度阈值可以为低速度阈值或者高速度阈值,在此不做限定。
需要说明的是,、/>和/>均为待辨识参数,其中,/>表示传统粘滞摩擦力,表示机器人一体化关节模组的谐波减速器产生的粘滞摩擦力。图3是根据本发明实施例提供的一种非线性粘滞摩擦力模型的示意图,如图3所示,将两者叠加后的/>更接近真实数据的粘滞摩擦力增长趋势。
可选地,所述位置相关阻力函数,包括:
;
其中,表示经高斯过程回归去噪处理后的最大力矩值,/>表示经高斯过程回归去噪处理后的最小力矩值,/>表示经归一化处理的高斯过程回归去噪处理后的力矩值。
需要说明的是,经归一化处理的高斯过程回归去噪处理后的力矩值可以处于[0,1]的值域范围内。图4是根据本发明实施例提供的一种高斯过程回归去噪的示意图,如图4所示,横坐标为位置信息,纵坐标为归一化处理前的力矩值,图4中曲线为高斯过程回归拟合得到的曲线。
本发明实施例的技术方案,与速度相关的粘滞摩擦力函数、位置相关阻力函数能够从非线性摩擦力补偿模型中解耦出来,提高非线性摩擦力补偿模型的可解释性,使用户可以根据控制需求调整不同类型的摩擦力项补偿。
实施例三
图5为本发明实施例三提供的一种非线性摩擦力补偿方法的流程图,本实施例的方法与上述实施例中提供的非线性摩擦力补偿方法中各个可选方案可以结合。本实施例提供的非线性摩擦力补偿方法进行了进一步优化。可选的,在获取机器人一体化关节模组的运动数据之前,所述方法还包括:获取机器人一体化关节模组的运动样本数据;对所述机器人一体化关节模组的运动样本数据进行去噪处理,得到机器人一体化关节模组的去噪运动数据;基于所述机器人一体化关节模组的去噪运动数据进行非线性摩擦力辨识,得到非线性摩擦力补偿模型。
如图5所示,该方法包括:
S310、获取机器人一体化关节模组的运动样本数据。
具体的,获取机器人一体化关节模组的运动样本数据,包括:控制机器人一体化关节模组以预设速度匀速往复运动,采集机器人一体化关节模组的运动样本数据;和/或,控制机器人一体化关节模组以正弦变速往复运动,采集机器人一体化关节模组的运动样本数据。
S320、对所述机器人一体化关节模组的运动样本数据进行去噪处理,得到机器人一体化关节模组的去噪运动数据。
在本公开实施例中,通过对机器人一体化关节模组的运动样本数据进行去噪处理,可以达到去除波动噪声干扰的效果,从而提升机器人一体化关节模组的运动样本数据的质量。
其中,机器人一体化关节模组的运动样本数据包括位置信息、速度信息和力矩值。具体地,对机器人一体化关节模组的运动样本数据进行去噪处理,得到机器人一体化关节模组的去噪运动数据,包括:基于高斯过程回归,从机器人一体化关节模组的运动数据中获取速度相等运动数据;对于速度相等运动数据,以位置信息为观测变量,力矩值为预测值进行拟合,得到机器人一体化关节模组的去噪运动数据。
示例性地,可以从机器人一体化关节模组的运动样本数据中筛选出一组速度相等的运动数据,并将该组数据中的位置信息作为观测变量,力矩值作为预测值进行拟合,从而得到剔除掉波动噪声的运动数据。
S330、基于所述机器人一体化关节模组的去噪运动数据进行非线性摩擦力辨识,得到非线性摩擦力补偿模型。
具体地,将机器人一体化关节模组的去噪运动数据输入至电机摩擦力补偿的动力学模型,进行参数辨识,得到、/>和/>对应数值,从而得到辨识完成的非线性摩擦力补偿模型。
S340、获取机器人一体化关节模组的运动数据。
S350、将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力。
S360、基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿。
本发明实施例的技术方案,通过高斯过程回归对机器人一体化关节模组的运动样本数据进行去噪处理,可以达到去除波动噪声干扰的效果,从而提升机器人一体化关节模组的运动数据的质量。
实施例四
图6为本发明实施例四提供的一种非线性摩擦力补偿装置的结构示意图。如图6所示,该装置包括:
运动数据获取模块410,用于获取机器人一体化关节模组的运动数据;
补偿非线性摩擦力预测模块420,用于将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力;
摩擦力补偿模块430,用于基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿。
本发明实施例的技术方案,通过根据非线性摩擦力补偿模型预测机器人一体化关节模组的补偿非线性摩擦力,从而能够更准确的补偿机器人一体化关节模组的非线性摩擦力,提升机器人一体化关节模组的控制精度。
在一些可选的实施方式中,所述非线性摩擦力补偿模型,包括:
;
其中,表示机器人一体化关节模组的补偿非线性摩擦力,/>表示位置,/>表示速度,/>表示加速度,/>表示惯性力补偿系数,/>表示库伦摩擦力,/>表示与速度相关的粘滞摩擦力函数;/>表示位置相关阻力函数。
在一些可选的实施方式中,所述与速度相关的粘滞摩擦力函数,包括:
;
其中,表示粘滞摩擦力系数,/>表示非线性摩擦补偿系数,/>表示速度阈值。
在一些可选的实施方式中,所述位置相关阻力函数,包括:
;
其中,表示经高斯过程回归去噪处理后的最大力矩值,/>表示经高斯过程回归去噪处理后的最小力矩值,/>表示经归一化处理的高斯过程回归去噪处理后的力矩值。
在一些可选的实施方式中,非线性摩擦力补偿装置,还包括:
运动样本数据获取模块,用于获取机器人一体化关节模组的运动样本数据;
运动样本数据去噪模块,用于对所述机器人一体化关节模组的运动样本数据进行去噪处理,得到机器人一体化关节模组的去噪运动数据;
非线性摩擦力辨识模块,用于基于所述机器人一体化关节模组的去噪运动数据进行非线性摩擦力辨识,得到非线性摩擦力补偿模型。
在一些可选的实施方式中,运动样本数据获取模块,具体用于:
控制机器人一体化关节模组以预设速度匀速往复运动,采集机器人一体化关节模组的运动样本数据;
和/或,控制机器人一体化关节模组以正弦变速往复运动,采集机器人一体化关节模组的运动样本数据。
在一些可选的实施方式中,所述机器人一体化关节模组的运动样本数据包括位置信息、速度信息和力矩值;
相应的,运动样本数据去噪模块,具体用于:
基于高斯过程回归,从所述机器人一体化关节模组的运动数据中获取速度相等运动数据;
对于所述速度相等运动数据,以位置信息为观测变量,力矩值为预测值进行拟合,得到机器人一体化关节模组的去噪运动数据。
本发明实施例所提供的非线性摩擦力补偿装置可执行本发明任意实施例所提供的非线性摩擦力补偿方法,具备执行方法相应的功能模块和有益效果。
实施例五
图7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,个人数字助理、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7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。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,例如非线性摩擦力补偿方法,该方法包括:
获取机器人一体化关节模组的运动数据;
将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力;
基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿。
在一些实施例中,非线性摩擦力补偿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非线性摩擦力补偿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)而被配置为执行非线性摩擦力补偿方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、系统级芯片(SOC)、复杂可编程逻辑设备(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 (8)
1.一种非线性摩擦力补偿方法,其特征在于,包括:
获取机器人一体化关节模组的运动数据;
将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力;
基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿;
所述非线性摩擦力补偿模型,包括:
;
其中,表示机器人一体化关节模组的补偿非线性摩擦力,/>表示位置,/>表示速度,/>表示加速度,/>表示惯性力补偿系数,/>表示库伦摩擦力,/>表示与速度相关的粘滞摩擦力函数;/>表示位置相关阻力函数;
所述位置相关阻力函数,包括:
;
其中,表示经高斯过程回归去噪处理后的最大力矩值,/>表示经高斯过程回归去噪处理后的最小力矩值,/>表示经归一化处理的高斯过程回归去噪处理后的力矩值。
2.根据权利要求1所述的方法,其特征在于,所述与速度相关的粘滞摩擦力函数,包括:
;
其中,表示粘滞摩擦力系数,/>表示非线性摩擦补偿系数,/>表示速度阈值。
3.根据权利要求1-2中任一所述的方法,其特征在于,在获取机器人一体化关节模组的运动数据之前,所述方法还包括:
获取机器人一体化关节模组的运动样本数据;
对所述机器人一体化关节模组的运动样本数据进行去噪处理,得到机器人一体化关节模组的去噪运动数据;
基于所述机器人一体化关节模组的去噪运动数据进行非线性摩擦力辨识,得到非线性摩擦力补偿模型。
4.根据权利要求3所述的方法,其特征在于,所述获取机器人一体化关节模组的运动样本数据,包括:
控制机器人一体化关节模组以预设速度匀速往复运动,采集机器人一体化关节模组的运动样本数据;
和/或,控制机器人一体化关节模组以正弦变速往复运动,采集机器人一体化关节模组的运动样本数据。
5.根据权利要求3所述的方法,其特征在于,所述机器人一体化关节模组的运动样本数据包括位置信息、速度信息和力矩值;
相应的,所述对所述机器人一体化关节模组的运动样本数据进行去噪处理,得到机器人一体化关节模组的去噪运动数据,包括:
基于高斯过程回归,从所述机器人一体化关节模组的运动样本数据中获取速度相等运动数据;
对于所述速度相等运动数据,以位置信息为观测变量,力矩值为预测值进行拟合,得到机器人一体化关节模组的去噪运动数据。
6.一种非线性摩擦力补偿装置,其特征在于,包括:
运动数据获取模块,用于获取机器人一体化关节模组的运动数据;
补偿非线性摩擦力预测模块,用于将所述机器人一体化关节模组的运动数据输入至预先建立的非线性摩擦力补偿模型中,得到所述机器人一体化关节模组的补偿非线性摩擦力;
摩擦力补偿模块,用于基于所述机器人一体化关节模组的补偿非线性摩擦力,对所述机器人一体化关节模组中电机进行摩擦力补偿;
所述非线性摩擦力补偿模型,包括:
;
其中,表示机器人一体化关节模组的补偿非线性摩擦力,/>表示位置,/>表示速度,/>表示加速度,/>表示惯性力补偿系数,/>表示库伦摩擦力,/>表示与速度相关的粘滞摩擦力函数;/>表示位置相关阻力函数;
所述位置相关阻力函数,包括:
;
其中,表示经高斯过程回归去噪处理后的最大力矩值,/>表示经高斯过程回归去噪处理后的最小力矩值,/>表示经归一化处理的高斯过程回归去噪处理后的力矩值。
7.一种电子设备,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1-5中任一项所述的非线性摩擦力补偿方法。
8.一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1-5中任一项所述的非线性摩擦力补偿方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311704969.2A CN117400268B (zh) | 2023-12-13 | 2023-12-13 | 非线性摩擦力补偿方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311704969.2A CN117400268B (zh) | 2023-12-13 | 2023-12-13 | 非线性摩擦力补偿方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117400268A CN117400268A (zh) | 2024-01-16 |
CN117400268B true CN117400268B (zh) | 2024-03-15 |
Family
ID=89492877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311704969.2A Active CN117400268B (zh) | 2023-12-13 | 2023-12-13 | 非线性摩擦力补偿方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117400268B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106994686A (zh) * | 2016-12-01 | 2017-08-01 | 遨博(北京)智能科技有限公司 | 关节外力力矩的计算方法及装置、机器人 |
CN108714896A (zh) * | 2018-05-28 | 2018-10-30 | 华南理工大学 | 一种基于柔体动力学模型的机器人柔性力矩前馈控制方法 |
CN110281237A (zh) * | 2019-06-17 | 2019-09-27 | 华南理工大学 | 一种基于机器学习的串联机器人关节摩擦力辨识方法 |
CN111216120A (zh) * | 2019-11-13 | 2020-06-02 | 遨博(北京)智能科技有限公司 | 一种关节摩擦力力矩补偿方法、装置及机器人 |
CN113799136A (zh) * | 2021-09-29 | 2021-12-17 | 天津大学 | 一种基于全状态反馈的机器人关节高精度控制系统及方法 |
CN114670210A (zh) * | 2022-05-30 | 2022-06-28 | 季华实验室 | 数据获取方法、预训练方法、装置、电子设备及存储介质 |
CN116339177A (zh) * | 2021-12-23 | 2023-06-27 | 山东新松工业软件研究院股份有限公司 | 一种基于动态摩擦补偿的机器人控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102356660B1 (ko) * | 2019-11-01 | 2022-02-07 | 주식회사 뉴로메카 | 다자유도 협동 로봇의 마찰 보상 방법 |
-
2023
- 2023-12-13 CN CN202311704969.2A patent/CN117400268B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106994686A (zh) * | 2016-12-01 | 2017-08-01 | 遨博(北京)智能科技有限公司 | 关节外力力矩的计算方法及装置、机器人 |
CN108714896A (zh) * | 2018-05-28 | 2018-10-30 | 华南理工大学 | 一种基于柔体动力学模型的机器人柔性力矩前馈控制方法 |
CN110281237A (zh) * | 2019-06-17 | 2019-09-27 | 华南理工大学 | 一种基于机器学习的串联机器人关节摩擦力辨识方法 |
CN111216120A (zh) * | 2019-11-13 | 2020-06-02 | 遨博(北京)智能科技有限公司 | 一种关节摩擦力力矩补偿方法、装置及机器人 |
CN113799136A (zh) * | 2021-09-29 | 2021-12-17 | 天津大学 | 一种基于全状态反馈的机器人关节高精度控制系统及方法 |
CN116339177A (zh) * | 2021-12-23 | 2023-06-27 | 山东新松工业软件研究院股份有限公司 | 一种基于动态摩擦补偿的机器人控制方法 |
CN114670210A (zh) * | 2022-05-30 | 2022-06-28 | 季华实验室 | 数据获取方法、预训练方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于摩擦模型的伺服系统模糊控制技术研究;王楚杏 等;《计算机测量与控制》;20230331;第2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN117400268A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021056991A (ja) | 推薦方法、装置、電子デバイス、記憶媒体、及びプログラム | |
CN113392974B (zh) | 模型训练方法、装置、电子设备以及存储介质 | |
CN114118287A (zh) | 样本生成方法、装置、电子设备以及存储介质 | |
CN117400268B (zh) | 非线性摩擦力补偿方法、装置、电子设备及存储介质 | |
CN116205819A (zh) | 字符图像生成方法、深度学习模型的训练方法和装置 | |
CN116452861A (zh) | 目标模型训练方法、装置及电子设备 | |
CN117340899B (zh) | 转矩补偿方法、装置、电子设备及存储介质 | |
CN113361575B (zh) | 模型训练方法、装置和电子设备 | |
CN114067415A (zh) | 回归模型的训练方法、对象评估方法、装置、设备和介质 | |
CN113033219A (zh) | 模型训练方法、装置、电子设备及计算机可读存储介质 | |
CN114274148B (zh) | 一种轨迹规划方法、装置、电子设备以及存储介质 | |
CN115598967B (zh) | 参数整定模型训练、参数确定方法、装置、设备及介质 | |
CN115576205B (zh) | 反馈控制方法、通用反馈控制器、训练方法、可读存储介质、计算机程序产品及系统 | |
CN114331379B (zh) | 用于输出待办任务的方法、模型训练方法和装置 | |
CN116386026A (zh) | 点云3d检测模型的训练方法和点云检测方法 | |
CN117494779A (zh) | 结构优化模型的训练方法、结构优化方法和装置 | |
CN116945171A (zh) | 数据去噪方法、装置、电子设备及存储介质 | |
CN117260738A (zh) | 一种机器人控制方法、装置、设备以及存储介质 | |
CN116664427A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN117692487A (zh) | 设备的远程控制方法、装置、电子设备及存储介质 | |
CN117032137A (zh) | 一种广义条件反馈控制方法、装置、电子设备及存储介质 | |
CN116373993A (zh) | 车辆转向控制方法、装置、电子设备及存储介质 | |
CN117506917A (zh) | 速度曲线规划方法、装置、电子设备及存储介质 | |
CN117933353A (zh) | 强化学习模型训练方法、装置、电子设备及存储介质 | |
CN117997203A (zh) | 一种谐振频率的跟踪方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |