WO2020133270A1 - 机器人的动力学参数辨识方法、机器人和存储装置 - Google Patents

机器人的动力学参数辨识方法、机器人和存储装置 Download PDF

Info

Publication number
WO2020133270A1
WO2020133270A1 PCT/CN2018/125045 CN2018125045W WO2020133270A1 WO 2020133270 A1 WO2020133270 A1 WO 2020133270A1 CN 2018125045 W CN2018125045 W CN 2018125045W WO 2020133270 A1 WO2020133270 A1 WO 2020133270A1
Authority
WO
WIPO (PCT)
Prior art keywords
speed
friction
drive motor
robot
rotation speed
Prior art date
Application number
PCT/CN2018/125045
Other languages
English (en)
French (fr)
Inventor
吴峰
Original Assignee
深圳配天智能技术研究院有限公司
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 深圳配天智能技术研究院有限公司 filed Critical 深圳配天智能技术研究院有限公司
Priority to PCT/CN2018/125045 priority Critical patent/WO2020133270A1/zh
Priority to CN201880087307.6A priority patent/CN111788040B/zh
Publication of WO2020133270A1 publication Critical patent/WO2020133270A1/zh

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/18—Stabilised platforms, e.g. by gyroscope
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Definitions

  • the invention relates to the technical field of automatic control, in particular to a robot dynamic parameter identification method, a robot and a storage device.
  • Robot dynamics studies the relationship between robot joint force, torque and joint motion.
  • the torque that the driver of the joint should provide can be calculated according to the target position and speed of the joint, and the robot can be controlled according to the result.
  • the ideal dynamic model only considers inertial force, Coriolis force (centrifugal force) and gravity, but in actual situations, the friction torque cannot be ignored, otherwise it will affect the control and operation of the robot. Therefore, it is necessary to first use the friction model to calculate the friction torque, and remove the influence of the friction torque from the total torque provided by the drive, so as to obtain the driving torque under the ideal dynamic model that can be used to calculate the inertia parameters.
  • the inventor of the present invention found in the research process of the prior art that the stribeck model is often used in the process of identifying the robot dynamics parameters, especially the friction model parameters, and the stribeck model contains an exponential part
  • the high degree of nonlinearity makes the optimization and solution process of the friction model and dynamic model very complicated. Therefore, it will cause a waste of the computing power of the robot control system.
  • the invention provides a robot dynamic parameter identification method, a robot and a storage device, which are used to solve the problem that the dynamic parameter identification process in the prior art is too complicated.
  • a technical solution provided by the present invention is to provide a robot dynamic parameter identification method.
  • the method includes: at a plurality of different speeds, the driving motor is rotated at a uniform speed, and the corresponding armature current at each speed is collected; according to the corresponding armature current at each speed, the corresponding friction torque at each speed is calculated to Forming a plurality of data pairs of the rotation speed and the friction torque; and establishing the friction polynomial model according to the data pairs, wherein the friction polynomial model is used to describe the relationship between the rotation speed and the friction torque of the drive motor.
  • a robot including a controller and a driving motor coupled to each other, wherein the controller can execute program instructions and perform the following methods: At a rotating speed, the driving motor is rotated at a uniform speed, and the corresponding armature current at each rotating speed is collected; according to the corresponding armature current at each rotating speed, the corresponding friction torque at each rotating speed is calculated to form a plurality of the rotating speeds A data pair with friction torque; and establishing the friction polynomial model based on the data pair, wherein the friction polynomial model is used to describe the relationship between the rotational speed of the drive motor and the friction torque.
  • another technical solution provided by the present invention is to provide a storage device that stores program instructions, which can be loaded and execute the above-mentioned robot dynamic parameter identification method.
  • the beneficial effect of the present invention is: by acquiring multiple data pairs of rotation speed and friction torque, a polynomial friction model can be established according to the data pairs.
  • the polynomial friction model can not only be used as a linear model, but also has the ability to express non-linear characteristics, and has better adaptability. Therefore, the present invention can simplify the calculation in the process of robot dynamic parameter identification and save the computing power of the system.
  • FIG. 1 is a schematic flowchart of an embodiment of a robot dynamic parameter identification method of the present invention.
  • FIG. 2 is a schematic flowchart of another embodiment of the robot dynamic parameter identification method of the present invention.
  • FIG. 3 is a schematic flowchart of another embodiment of the robot dynamic parameter identification method of the present invention.
  • FIG. 4 is a schematic flowchart of an embodiment of a method for identifying inertial parameters of a robot of the present invention.
  • FIG. 5 is a schematic structural view of an embodiment of the robot of the present invention.
  • FIG. 1 is a schematic flowchart of an embodiment of a robot dynamic parameter identification method of the present invention. The method includes the following steps.
  • the robot can have multiple joints, and each joint can be provided with one or more drive motors to drive the joint motion, so as to realize the motion of the robot.
  • a driving motor is taken as an example for description.
  • the driving motor of the robot may be a DC motor or an AC motor, which is not limited herein.
  • the drive motor is moved at a constant speed at different rotation speeds.
  • the drive motor can be moved at a lower speed and a constant speed for a period of time, and then the rotation speed is gradually increased, and a constant speed movement is maintained at each rotation speed for a period of time. And collect the corresponding armature current at each speed.
  • multiple sets of armature current data can be collected at each speed, and then the average value can be obtained to obtain the corresponding armature current at that speed, or, when the armature current changes periodically, each group of The DC and AC components of the armature current data are extracted and averaged separately.
  • the drive motor can be rotated at a constant speed at the initial test speed (for example, 1°/s), and the armature current corresponding to the initial test speed can be collected. Then, the rotation speed is increased by a variable step length each time (or, if the initial rotation speed is selected to be a higher rotation speed, the rotation speed may be gradually reduced in variable steps in the subsequent test) to obtain the subsequent test rotation speed.
  • the drive motor is rotated at a uniform speed, and the armature current corresponding to the subsequent test speed is collected until the target speed is reached. Both the initial speed and the target speed can be specified by the operator based on experience.
  • the initial speed and the target speed can be set to the lowest speed and the highest speed that the drive motor can reach, respectively.
  • the higher the rotation speed the larger the value of the variable step length, which means that the rotation speed is denser in the low speed section, so that the result obtained can better describe the friction torque in Non-linear characteristics in the low speed section.
  • the step size can be set to 1°/s, that is, the rotation speed is changed by 1°/s each time, while in the high speed section, the step length can be set to 2°/s or 3°/s, etc. It can be understood that, in other embodiments, the step of changing the rotation speed may also be a fixed value.
  • S102 Calculate the corresponding friction torque at each rotation speed according to the corresponding armature current at each rotation speed to form a plurality of data pairs of rotation speed and friction torque.
  • the corresponding friction torque at each speed can be calculated. Specifically, since the drive motors move at a constant speed at all speeds, the acceleration is zero, and there is no inertial force, it can be considered that the DC component of the torque output by the drive motor is all used to overcome the friction torque. Therefore, by extracting the DC component of the armature current at each speed, and according to the relationship between the output torque of the drive motor and the armature current, the corresponding torque magnitude for overcoming the friction torque, that is, the magnitude of the friction torque, can be calculated . In this way, in step S102, a plurality of data pairs of rotational speed and friction torque are obtained.
  • S103 Establish a friction polynomial model based on these data pairs.
  • the friction polynomial model is used to describe the relationship between the rotational speed of the drive motor and the friction torque.
  • step S103 a polynomial model is used to fit the data obtained in step S102, thereby obtaining various parameters in the polynomial model.
  • the obtained friction polynomial model can be used to describe the relationship between the speed of the drive motor and the friction torque, that is, given any speed of the drive motor, you can know the magnitude of the friction torque received by the joint during operation.
  • the friction polynomial can be regarded as a linear model
  • the least square method can be used for curve fitting, and the fitting method is simple and fast. It can be understood that other parameter optimization and fitting methods can also be used to fit the friction polynomial.
  • a friction polynomial model By acquiring multiple data pairs of rotational speed and friction torque, a friction polynomial model can be established based on the data pairs.
  • the friction polynomial model can not only be used as a linear model, but also has the ability to express non-linear characteristics, and has better adaptability. Therefore, the present invention can simplify the calculation in the process of robot dynamic parameter identification and save the computing power of the system.
  • FIG. 2 is a schematic flowchart of another embodiment of the robot dynamic parameter identification method of the present invention. As shown in Figure 2, the method includes the following steps.
  • S202 Calculate the corresponding friction torque at each rotation speed according to the corresponding armature current at each rotation speed to form a plurality of data pairs of rotation speed and friction torque.
  • Steps S201 and S202 are similar to the aforementioned S101 and S102, and will not be repeated here.
  • step S204 it is determined whether there is a rotation speed greater than and less than the reference rotation speed in the data pair. If it exists, steps S205 and S206 are executed, otherwise Go to step S207.
  • the tested speed-friction torque data pair is divided into a high-speed section and a low-speed section using the reference speed V_border as a boundary, and the data in the high-speed section and the low-speed section are fitted using a polynomial model, respectively.
  • the friction model of the low-speed section and the friction model of the high-speed section are obtained respectively, and the curve of the friction model of the low-speed section and the curve of the friction model of the high-speed section are intersected at points (V_border, tor_border), so that the complete speed range of the drive motor is obtained Within the continuous friction torque characteristic curve.
  • the K-degree polynomial model can be used for data fitting in both the low-speed section and the high-speed section, where the K value can be selected based on empirical values, and the K value in the low-speed section and the high-speed section can be the same or different.
  • the friction model in the low-speed section and the friction model in the high-speed section are obtained separately, so that the stribeck phenomenon in the low-speed section can be better described.
  • the polynomial friction model in the high-speed section can also be used. Better characterize the linear and nonlinear characteristics of the friction torque in the high-speed section.
  • the reference rotation speed V_border is the lowest rotation speed.
  • a single K-degree polynomial model can be used to fit the data pair to obtain the joint Polynomial model of friction. It can be understood that this case can also be considered as a special case of the piecewise polynomial function.
  • FIG. 3 is a schematic flowchart of another embodiment of the robot dynamic parameter identification method of the present invention. As shown in FIG. 3, the method includes the following steps.
  • S301 Set the drive motor to position mode or speed mode at multiple different speeds.
  • the servo system usually has control modes of position loop, speed loop and current loop, and the drive motor of the robot also belongs to a kind of servo system. Since we want the drive motor to move at a constant speed during the test, the position loop or speed loop can be used for control. That is, in step S301, the drive motor is set to position mode or speed mode for control.
  • S302 Move the driving motor from the first position to the second position at a uniform speed, and return to the first position from the second position at a uniform speed, during which the armature current of the driving motor is collected.
  • the drive motor is moved from the first position to the second position at a constant speed, and from the second position to the first position at a constant speed, so that the armature current and reverse electric Armature current.
  • S303 Calculate the corresponding friction torque at each rotation speed according to the corresponding armature current at each rotation speed to form a plurality of data pairs of rotation speed and friction torque.
  • the speed-friction torque data pair of the drive motor forward rotation can be obtained, and the armature current of the drive motor reverse rotation at each speed can be obtained.
  • Speed-friction torque data pair According to the armature current of the drive motor rotating forward at each speed, the speed-friction torque data pair of the drive motor forward rotation can be obtained, and the armature current of the drive motor reverse rotation at each speed can be obtained. Speed-friction torque data pair.
  • S304 Use the data of the rotation speed and friction torque during the uniform speed movement of the drive motor from the first position to the second position to establish a forward rotation friction model of the drive motor.
  • step S304 and step S305 the rotational speed-friction torque data pairs of the forward rotation and reverse rotation of the drive motor obtained in the previous step are used, and the polynomial model is used to fit, respectively, to establish the forward rotation friction model of the drive motor and Reverse the friction model.
  • the friction torque of the drive motor can be accurately calculated from the rotation speed of the drive motor.
  • the friction torque when the drive motor is reversed can be accurately calculated from the rotation speed of the drive motor. In the actual situation, there may be some differences in the friction characteristics of the drive motor during forward and reverse rotations. The friction characteristics of the drive motor can be more accurately described by establishing the forward rotation friction model and the reverse rotation friction model respectively.
  • the solution in the embodiment of FIG. 3 may be used in combination with the technical solution in FIG. 1 and/or FIG. 2.
  • the method using the piecewise polynomial model described in the embodiment of FIG. 2 can be used.
  • the robot's dynamic parameters also include the robot's inertial parameters, such as the mass, center of mass, and rotational inertia of each axis. Therefore, after acquiring the friction polynomial model of the robot according to any of the above embodiments, the present invention further provides a method for identifying the inertial parameters of the robot,
  • the dynamic model of the robot considering friction factors can be expressed as:
  • the inertial parameters of the robot such as mass, centroid and rotational inertia are included in H(q), And G(q).
  • the method shown in FIG. 4 may be performed.
  • the method includes the following steps.
  • S401 Select the excitation trajectory identified by the inertial parameters, make the drive motor run according to the excitation trajectory, and collect the feedback position, feedback speed, and feedback current of the drive motor.
  • the excitation trajectory refers to the path we expect the drive motor to move, that is, at what speed and position the drive motor moves. In an ideal situation, if there is no system error, you only need to make the drive motor move at a number of different speeds, accelerations, and positions (the specific number is related to the number of inertial parameters), and collect the corresponding feedback signals. The dynamic curve of the robot. However, in actual situations, due to the interference of system noise and measurement errors, the path of the driving motor cannot be arbitrarily selected, otherwise the calculation error will be too large, resulting in inaccurate results or the calculation cannot converge.
  • step S401 the excitation trajectory identified by the inertial parameters is first selected, the drive motor is operated according to the excitation trajectory, and the feedback position, feedback speed, and feedback current of the drive motor are collected.
  • the excitation trajectory can be selected according to experience or calculated by an optimization algorithm.
  • the initial value of the excitation trajectory parameters can be arbitrarily selected, or the initial value can be selected based on empirical values, and then optimization parameters of the excitation trajectory are optimized using genetic algorithms and other optimization algorithms, with the goal of considering system errors and measurement errors Minimize the deviation of the fitting calculation.
  • the specific method can refer to the description in the related art.
  • S402 Calculate the corresponding friction torque according to the feedback speed and the friction polynomial model of the drive motor, and calculate the output torque according to the feedback current, thereby obtaining the driving torque under the ideal dynamic model.
  • the corresponding friction torque can be calculated, and the output torque of the drive motor can be calculated according to the feedback current.
  • the driving torque under the ideal dynamic model that is, the dynamic model after ignoring the friction torque or removing the influence of the friction torque
  • the driving torque at various points on the excitation path can be obtained.
  • S403 Fit the inertial parameters of the robot according to the driving torque, the feedback position and the feedback speed.
  • the parameters related to the inertial parameters include the position vector, the speed vector and the acceleration vector in addition to the driving torque, where the position vector and the speed vector at a point on the excitation path are the collected feedback position and feedback speed, and the acceleration The vector can be obtained by numerically differentiating the feedback speed. Therefore, on this basis, the inertial parameters of the robot can be fitted by combining the linear dynamic inverse solution model. In the fitting process, optimization algorithms such as least squares can be used, which is not limited here.
  • each inertial parameter of the robot can be further obtained, thereby obtaining all required robot dynamic parameters.
  • the obtained dynamic parameters can be used for calculation and control.
  • FIG. 5 is a schematic structural diagram of an embodiment of a robot 500 provided by the present invention.
  • the robot 500 includes a communication bus 501, a controller 502, a memory 403, and a driving motor 504.
  • the controller 502 and the memory 503 are coupled through the communication bus 501.
  • the memory 503 stores program data, and the program data can be loaded by the controller 502 and execute the robot dynamic parameter identification method of any of the above embodiments. Understandably, in some other embodiments, the memory 503 may be set in the same physical device by different controllers 502, but the method of any of the above embodiments is performed by combining the robot 500 with the network.
  • the robot 500 may be a robot such as an industrial robot or a home robot, such as a multi-joint robot arm or a humanoid robot. Those skilled in the art can understand that as long as the robot involved in joint motion can use the technical solution provided by the present invention.
  • the functions described in the above embodiments are implemented in software and sold or used as independent products, they can be stored in a device with a storage function. That is, the present invention also provides a storage device that stores a program.
  • the program data in the storage device can be executed to realize the robot dynamic parameter identification method in the foregoing embodiment, and the storage device includes but is not limited to a U disk, an optical disk, a server, or a hard disk.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Electric Motors In General (AREA)
  • Manipulator (AREA)

Abstract

一种机器人的动力学参数辨识方法、机器人和存储装置，该方法包括：在多个不同转速下，使驱动电机匀速转动，并采集各转速下对应的电枢电流，根据所述各转速下对应的所述电枢电流，计算所述各转速下对应的摩擦力矩，形成多个所述转速与所述摩擦力矩的数据对，根据所述数据对建立摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和所述摩擦力矩之间的关系，所述摩擦多项式模型既能作线性模型使用，又具有非线性特征的表达能力，具有更好的适应性，可简化机器人动力学参数辨识计算。

Description

机器人的动力学参数辨识方法、机器人和存储装置 【技术领域】
本发明涉及自动控制技术领域，特别是涉及一种机器人的动力学参数辨识方法、机器人和存储装置。
【背景技术】
机器人动力学研究的是机器人的关节力、力矩和关节运动的关系。通过动力学模型，可以根据关节的运动目标位置、目标速度等计算关节的驱动器所应提供的力矩，并根据结果对机器人进行控制。理想动力学模型只考虑惯性力、科氏力(离心力)和重力，但是在实际情况中，摩擦力矩不能被忽略，否则会影响机器人的控制和运行效果。因此，需要首先运用摩擦模型计算摩擦力矩，并从驱动器提供的总力矩中剔除摩擦力矩的影响，从而得到可用于计算惯性参数的理想动力学模型下的驱动力矩。
本发明的发明人在对现有技术的研究过程中发现，现有技术在对机器人动力学参数进行辨识、特别是摩擦模型参数识别的过程中，常会使用到stribeck模型，stribeck模型中包含指数部分，非线性程度高，使得摩擦模型和动力学模型的优化、求解过程十分复杂，因此，会造成机器人控制系统计算能力的浪费。
【发明内容】
本发明提供一种机器人的动力学参数辨识方法、机器人和存储装置，用于解决现有技术中动力学参数辨识过程过于复杂的问题。
为了解决上述技术问题，本发明提供的一种技术方案为：提供一种机器人的动力学参数辨识方法。该方法包括：在多个不同转速下，使驱动电机匀速转动，并采集各转速下对应的电枢电流；根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及根据所述数据对建立所述摩擦多项式模型，其中所述摩擦多项式模型用以描述 所述驱动电机的转速和摩擦力矩之间的关系。
为了解决上述技术问题，本发明提供的另一种技术方案为：提供一种包括互相耦合的控制器和驱动电机的机器人，其中，该控制器可执行程序指令并执行以下方法：在多个不同转速下，使所述驱动电机匀速转动，并采集各转速下对应的电枢电流；根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及根据所述数据对建立所述摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和摩擦力矩之间的关系。
为了解决上述技术问题，本发明提供的另一种技术方案为：提供一种存储装置，该存储装置存储有程序指令，该程序指令可被加载并执行上述机器人的动力学参数辨识方法。
本发明的有益效果是：通过获取多个转速与摩擦力矩的数据对，从而可以根据数据对建立多项式摩擦模型。多项式摩擦模型既能作线性模型使用，又具有非线性特征的表达能力，具有更好的适应性。因此，本发明可简化机器人动力学参数的辨识过程中的计算，节约系统的计算能力。
【附图说明】
图1是本发明机器人的动力学参数辨识方法一实施例的流程示意图。
图2是本发明机器人的动力学参数辨识方法另一实施例的流程示意图。
图3是本发明机器人的动力学参数辨识方法又一实施例的流程示意图。
图4是本发明机器人的惯性参数辨识方法一实施例的流程示意图。
图5是本发明机器人一实施例的结构示意图。
【具体实施方式】
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，所描述的实施例仅是本发明的一部分实施例，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，都属于本发明保护的范围。
请参阅图1，图1是本发明机器人的动力学参数辨识方法一实施例的流程示意图。该方法包括以下步骤。
S101：在多个不同转速下，使机器人的驱动电机匀速转动，并采集各转速下对应的电枢电流。
机器人可以有多个关节，每个关节可以设置一个或多个驱动电机以驱动关节运动，从而实现机器人的运动。在本申请中，为清楚地解释，以一个驱动电机为例进行说明。机器人的驱动电机可以是直流电机或者交流电机，在此不做限定。在步骤S101中，使驱动电机在不同的转速下匀速运动，例如，可以使驱动电机首先以较低地转速匀速运动一段时间，然后逐步提高转速，在每一个转速都保持一段时间的匀速运动，并且采集各转速下对应的电枢电流。为了减少误差，在每个转速下可以采集多组电枢电流数据，进而取平均值得到该转速下对应的电枢电流，或者，当电枢电流呈周期性变化时，也可以将每组电枢电流数据的直流和交流分量提取出来并分别求平均值。
可选地，可在初始测试转速下(例如1°/s)使驱动电机匀速转动，并采集初始测试转速对应的电枢电流。然后，将转速每次增加可变步长(或者，若初始转速选择一较高的转速，也可在后续测试中将转速按可变步长逐渐减小)从而得到后续测试转速。在后续测试转速下使驱动电机匀速转动，并采集后续测试转速对应的电枢电流，直到达到目标转速。初始转速和目标转速均可以由操作人员根据经验指定，例如，可以将初始转速和目标转速分别设置为驱动电机可以达到的最低转速和最高转速。在一些实施例中，在将转速改变的过程中，转速越高，可变步长的值越大，也就是说在低速段的转速较为密集，这样得到的结果可以更好地描述摩擦力矩在低速段的非线性特征。例如，在低速段可以将步长设置为1°/s，即每次将转速改变1°/s，而在高速段可以将步长设置为2°/s或3°/s等。可以理解，在另一些实施例中，转速改变的步长也可以是固定值。
S102：根据各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个转速与摩擦力矩的数据对。
在得到各转速下对应的电枢电流的基础上，结合关节驱动电机的电流-扭矩模型，就可以计算各转速下对应的摩擦力矩。具体地，由于在各转速下驱动电机均为匀速运动，加速度为零，不存在惯性力，可以认为驱动电机输出的力矩中的直流分量全部用于克服摩擦力矩。因此，提取出各转速下的电枢电流的直流分量，并根据驱动电机的输出扭矩与电枢电流的关系，就可以计算得到对应的用于克服摩擦力矩的力矩大小，也就是摩擦力矩的大小。这样，在步骤S102中就得到了多个转速与摩擦力矩的数据对。
S103：根据这些数据对建立摩擦多项式模型，该摩擦多项式模型用以描述驱动电机的转速和摩擦力矩之间的关系。
一般情况下，为了简化模型复杂度，认为摩擦力产生的转矩只与驱动电机(关节)转速有关。在步骤S103中，采用多项式模型，拟合步骤S102中得到的数据，从而得到多项式模型中的各参数。得到的摩擦多项式模型就可以用以描述驱动电机的转速和摩擦力矩之间的关系，即，给出驱动电机的任意转速，就可以得知关节运行时受到的摩擦力矩的大小。
可选地，多项式模型可以是用于表征转速与摩擦力矩的关系的1元K次多项式，其中K为大于或等于2的正整数，例如，K＝3或K＝4。
可选地，由于摩擦多项式可看作线性模型，因此可以使用最小二乘法进行曲线拟合，拟合方法简单快速。可以理解，也可以采用其他参数优化、拟合方法进行摩擦多项式的拟合。
通过获取多个转速与摩擦力矩的数据对，从而可以根据数据对建立摩擦多项式模型。摩擦多项式模型既能作线性模型使用，又具有非线性特征的表达能力，具有更好的适应性。因此，本发明可简化机器人动力学参数的辨识过程中的计算，节约系统的计算能力。
请参阅图2，图2是本发明机器人的动力学参数辨识方法另一实施例的流程 示意图。如图2所示，该方法包括以下步骤。
S201：在多个不同转速下，使驱动电机匀速转动，并采集各转速下对应的电枢电流。
S202：根据各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个转速与摩擦力矩的数据对。
步骤S201和S202与前述S101和S102类似，在此不再赘述。
S203：根据各转速下对应的摩擦力矩，找到其中的最小摩擦力矩及对应的参考转速。
若采集了m组转速-摩擦力矩的数据对，那么首先对这些数据对进行遍历，找到其中最小的摩擦力矩以及该力矩对应的参考转速，例如，最小的摩擦力矩可记为tor_border，对应的参考转速可记为V_border。
S204：判断数据对中是否同时存在大于和小于参考转速的转速。
根据摩擦理论，润滑状态下系统中两相互接触的表面从静止到滑动会经历四个摩擦阶段，分别是静摩擦阶段、边界润滑阶段、部分润滑阶段和全润滑阶段。由于存在不同的摩擦阶段，随着转速由零逐渐升高，摩擦力矩呈现出先下降随后逐渐上升的趋势。因此，理论上来说在下降段和上升段的交界点处存在最小的摩擦力矩。实际情况下，受选取的测试转速、系统精度、润滑状况等因素的影响，有可能会出现最小摩擦力矩是测试得到的所有数据对中最小转速的情况。在这两种情况下需要采用不同的方式对摩擦力矩进行建模，因此，在步骤S204中判断数据对中是否同时存在大于和小于参考转速的转速，如果存在，则执行步骤S205和S206，否则执行步骤S207。
S205：将小于参考转速的转速范围作为低速段，对低速段内的摩擦力矩的数据对进行拟合，得到低速摩擦模型。
S206：将大于参考转速的转速范围作为高速段，对高速段内的摩擦力矩的数据对进行拟合，得到高速摩擦模型。
在步骤S205和S206中，将测试得到的转速-摩擦力矩数据对以参考转速 V_border为界分为高速段和低速段，并分别对高速段和低速段内的数据对使用多项式模型进行拟合，从而分别得到低速段的摩擦模型和高速段的摩擦模型，并使低速段的摩擦模型的曲线和高速段的摩擦模型的曲线交于点(V_border，tor_border)，这样就得到了驱动电机完整转速范围内的连续的摩擦力矩特性曲线。可以理解，低速段和高速段均可以采用K次多项式模型进行数据拟合，其中K值可以根据经验值选取，低速段和高速段的K值可以相同也可以不同。
通过这样的方式，分别得到了低速段的摩擦模型和高速段的摩擦模型，从而可以更好地描述低速段的stribeck现象，并且与传统的stribeck摩擦模型相比，高速段的多项式摩擦模型也可以更好地表征高速段摩擦力矩的线性特征和非线性特征。
S207：对所有转速和摩擦力矩的数据对进行拟合，得到摩擦多项式模型。
若数据对中不同时存在大于和小于参考转速的转速，通常来说，参考转速V_border就是最低转速，在这种情况下，就可以使用单个K次多项式模型对数据对进行拟合，从而得到关节的摩擦多项式模型。可以理解，这种情况也可以认为是分段式多项式函数的一个特例。
请参阅图3，图3是本发明机器人的动力学参数辨识方法又一实施例的流程示意图。如图3所示，该方法包括以下步骤。
S301：在多个不同转速下，将驱动电机设置为位置模式或者速度模式。
伺服系统通常有位置环、速度环和电流环控制模式，机器人的驱动电机也属于一种伺服系统。由于在测试过程中我们希望驱动电机作匀速运动，因此，可以采用位置环或者速度环进行控制，即，在步骤S301中，将驱动电机设置为位置模式或者速度模式进行控制。
S302：使驱动电机从第一位置匀速运动至第二位置，并从第二位置匀速返回第一位置，期间采集驱动电机的电枢电流。
在各个转速下，使驱动电机从第一位置匀速运动至第二位置，并从第二位置匀速返回第一位置，从而可以得到了各个转速下驱动电机正转的电枢电流和 反转的电枢电流。
S303：根据各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个转速与摩擦力矩的数据对。
根据各个转速下驱动电机正转的电枢电流就可以得到驱动电机正转下的转速-摩擦力矩数据对，而使用各个转速下驱动电机反转的电枢电流就可以得到驱动电机反转下的转速-摩擦力矩数据对。
S304：使用驱动电机从第一位置匀速运动至第二位置过程中的转速与摩擦力矩的数据对建立驱动电机的正转摩擦模型。
S305：使用驱动电机从第二位置匀速返回第一位置过程中的转速与摩擦力矩的数据对建立驱动电机的反转摩擦模型。
在步骤S304和步骤S305中分别使用在先前步骤得到的驱动电机正转和反转下的转速-摩擦力矩数据对，并分别使用多项式模型进行拟合，就可以建立驱动电机的正转摩擦模型和反转摩擦模型。
根据驱动电机的正转摩擦模型，可以由驱动电机的转速准确地计算驱动电机正转时的摩擦力矩。而根据驱动电机的反转摩擦模型，可以由驱动电机的转速准确地计算驱动电机反转时的摩擦力矩。在实际的情况中，驱动电机正转和反转时的摩擦特性可能存在一定的差别，通过分别建立正转摩擦模型和反转摩擦模型就能更准确地描述驱动电机的摩擦特性。
应当理解，图3实施例中的方案可以与图1和/或图2中的技术方案组合使用。例如，在建立驱动电机的正转摩擦模型和反转摩擦模型时，都可以使用图2实施例所述的使用分段多项式模型的方法。
除摩擦模型之外，机器人的动力学参数还包括机器人的各惯性参数，例如各轴的质量、质心及转动惯量。因此，在根据上述任意实施例获取了机器人的摩擦多项式模型之后，本发明还进一步提供对机器人惯性参数辨识的方法，
考虑摩擦因素机器人的动力学模型形式可表达为：
Figure PCTCN2018125045-appb-000001
其中，τ是n*1(n为机器人关节数)的矢量，其第i(i＝1,2,…,n)个分量的物理意义为机器人第i关节所需的驱动力矩，
Figure PCTCN2018125045-appb-000002
为惯性力矩矢量，其中H(q)为质量矩阵，
Figure PCTCN2018125045-appb-000003
为各轴的加速度，
Figure PCTCN2018125045-appb-000004
为科氏/离心力矩向量，G(q)为重力矩向量，
Figure PCTCN2018125045-appb-000005
为摩擦力矩向量。机器人的惯性参数例如质量、质心及转动惯量分别包含在H(q)、
Figure PCTCN2018125045-appb-000006
和G(q)中。对公式(1)进行变换，可得到变形后的动力学模型：
Figure PCTCN2018125045-appb-000007
其中
Figure PCTCN2018125045-appb-000008
称为回归矩阵，与惯性参数无关，而p为由各惯性参数排列而成的列向量。该表达式下，τ与p呈现线性关系，故称为动力学模型的线性形式。
为了对惯性参数进行辨识，可执行如图4所示的方法，该方法包括以下步骤。
S401：选择惯性参数辨识的激励轨迹，使驱动电机按激励轨迹运行，并采集驱动电机的反馈位置、反馈速度和反馈电流。
根据前述分析可知，机器人(或者机器人关节)的惯性参数与机器人的驱动力矩、位置、速度、加速度、摩擦力矩之间存在一定关系，而在已知摩擦模型的基础上，我们可以根据驱动电机(等同于所在关节)的反馈位置、反馈速度和反馈电流计算上述参数。那么如果能获取多组上述关系，我们就可以通过拟合机器人的动力学曲线的方式计算得到机器人的惯性参数。
激励轨迹指的是我们期望驱动电机运动的路径，即驱动电机以何种速度运动至何位置。在理想的情况下，如没有系统误差，则只需要令驱动电机以若干(具体数量与惯性参数的数量有关)组不同的速度、加速度和位置进行运动，并采集相应的反馈信号，就可以拟合机器人的动力学曲线。然而，在实际情况下，由于受到系统噪声和测量误差的干扰，驱动电机运动的路径不能任意选取，否则计算误差将过大，造成结果不准确或者计算无法收敛。因此，在步骤S401中，首先选择惯性参数辨识的激励轨迹，使驱动电机按激励轨迹运行，并采集驱动电机的反馈位置、反馈速度和反馈电流。激励轨迹可以根据经验选取也可 以由优化算法计算得到。
可选地，可以任意选取激励轨迹参数的初始值，或者也可以根据经验值选取初始值，然后采用遗传算法等优化算法对激励轨迹的参数进行优化，目标为考虑系统误差和测量误差的情况下使拟合计算的偏差最小。具体方法可以参考相关技术中的描述。
S402：根据反馈速度和驱动电机的摩擦多项式模型计算对应的摩擦力矩，并根据反馈电流计算输出扭矩，从而得到理想动力学模型下的驱动力矩。
将采集的反馈速度代入摩擦多项式模型，就可以计算对应的摩擦力矩，根据反馈电流可以计算驱动电机的输出扭矩。将输出扭矩与摩擦力矩相减，就可以得到理想动力学模型(即忽略摩擦力矩或者除去摩擦力矩的影响后的动力学模型)下的驱动力矩。这样，就可以获取激励路径上各点的驱动力矩。
S403：根据驱动力矩、反馈位置和反馈速度对机器人的惯性参数进行拟合。
观察线性形式的动力学模型
Figure PCTCN2018125045-appb-000009
可见，与惯性参数相关的参数除驱动力矩外还包括位置矢量、速度矢量和加速度矢量，其中，在激励路径上个点的位置矢量和速度矢量即为采集得到的反馈位置和反馈速度，而加速度矢量可以通过将反馈速度进行数值差分得到。因此，在此基础上就可以结合线性形式的动力学逆解模型对机器人的惯性参数进行拟合。拟合过程中可以采用最小二乘法等优化算法，在此不做限定。
通过实施上述方法，就可以在获取机器人的摩擦多项式模型的基础上，进一步获取机器人的各惯性参数，从而得到所有所需的机器人动力学参数。在机器人的控制过程中可以通过获取的动力学参数进行计算和控制。
请参阅图5，图5是本发明提供的机器人500一实施例的结构示意图。该机器人500包括通信总线501、控制器502、存储器403和驱动电机504。控制器502和存储器503通过通信总线501耦接。
其中，存储器503保存有程序数据，程序数据可被控制器502加载并执行上述任意实施例的机器人的动力学参数辨识方法。可以理解地，在其它一些实 施例中，存储器503可以不同控制器502设置于同一实体装置中，而是通过将机器人500结合网络来执行上述任一实施例的方法。
该机器人500可以是工业机器人或家用机器人等类型的机器人，例如多关节机械臂或者拟人类机器人等。本领域的技术人员可以理解，只要涉及到关节运动的机器人都可以使用本发明提供的技术方案。
上述实施例所述功能如果以软件形式实现并作为独立的产品销售或使用时，可存储在一个具有存储功能的装置中，即，本发明还提供一种存储有程序的存储装置。存储装置中程序数据能够被执行以实现上述实施例中机器人的动力学参数辨识方法，该存储装置包括但不限于U盘、光盘、服务器或者硬盘等。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (20)

  1. 一种机器人的动力学参数辨识方法，其特征在于，包括：
    在多个不同转速下，使机器人的驱动电机匀速转动，并采集各转速下对应的电枢电流；
    根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及
    根据所述数据对建立所述摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和摩擦力矩之间的关系。
  2. 如权利要求1所述的方法，其特征在于，所述根据所述数据对建立所述摩擦多项式模型的步骤包括：
    根据所述各转速下对应的摩擦力矩，找到其中的最小摩擦力矩及对应的参考转速；
    当所述数据对中同时存在大于和小于所述参考转速的转速时，将小于所述参考转速的转速范围作为低速段，对所述低速段内的转速和摩擦力矩的数据对进行拟合，得到低速摩擦模型，将大于所述参考转速的转速范围作为高速段，对所述高速段内的转速和摩擦力矩的数据对进行拟合，得到高速摩擦模型。
  3. 如权利要求2所述的方法，其特征在于，所述根据所述数据对建立所述摩擦多项式模型的步骤进一步包括：
    当所述数据对中不同时存在大于和小于所述参考转速的转速时，对所有转速和摩擦力矩的数据对进行拟合，得到所述摩擦多项式模型。
  4. 如权利要求1所述的方法，其特征在于，所述在多个不同转速下，使所述驱动电机匀速转动，并采集各转速下对应的电枢电流的步骤包括：
    在多个不同转速下，将驱动电机设置为位置模式或者速度模式，使所述驱动电机从第一位置匀速运动至第二位置，并从第二位置匀速返回第一位置，期间采集所述驱动电机的电枢电流。
  5. 如权利要求4所述的方法，其特征在于，所述根据所述数据对建立所述摩擦多项式模型的步骤包括：
    使用所述驱动电机从第一位置匀速运动至第二位置过程中的所述转速与摩擦力矩的数据对建立所述驱动电机的正转摩擦模型；以及
    使用所述驱动电机从第二位置匀速返回第一位置过程中的的所述转速与摩擦力矩的数据对建立所述驱动电机的反转摩擦模型。
  6. 如权利要求1所述的方法，其特征在于，在所述在多个不同转速下使所述驱动电机匀速转动并采集各转速下对应的电枢电流的步骤包括：
    在初始测试转速下使所述驱动电机匀速转动，并采集所述初始测试转速对应的电枢电流；
    将转速每次增加或减少可变步长从而得到后续测试转速，在所述后续测试转速下使所述驱动电机匀速转动，并采集所述后续测试转速对应的电枢电流，直到达到目标转速；
    其中，转速越高，可变步长的值越大。
  7. 如权利要求1所述的方法，其特征在于，所述摩擦多项式模型为用于表征所述转速与摩擦力矩的关系的1元K次多项式，其中K为大于或等于2的正整数。
  8. 如权利要求1所述的方法，其特征在于，所述摩擦多项式模型使用最小二乘法进行曲线拟合。
  9. 如权利要求1所述的方法，其特征在于，还包括：
    选择惯性参数辨识的激励轨迹，使所述驱动电机按所述激励轨迹运行，并采集所述驱动电机的反馈位置、反馈速度和反馈电流；
    根据所述反馈速度和所述驱动电机的所述摩擦多项式模型计算对应的摩擦力矩，并根据所述反馈电流计算输出扭矩，从而得到理想动力学模型下的驱动力矩；
    根据所述驱动力矩、所述反馈位置和所述反馈速度对所述机器人的惯性参 数进行拟合。
  10. 如权利要求9所述的方法，其特征在于，所述选择惯性参数辨识的激励轨迹的步骤包括：
    选取激励轨迹参数的初始值；以及
    采用遗传算法对所述激励轨迹参数进行优化。
  11. 一种机器人，其特征在于，包括互相耦合的控制器和驱动电机，其中，所述控制器可执行程序指令并执行以下方法：
    在多个不同转速下，使机器人的驱动电机匀速转动，并采集各转速下对应的电枢电流；
    根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及
    根据所述数据对建立所述摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和摩擦力矩之间的关系。
  12. 如权利要求11所述的机器人，其特征在于，所述根据所述数据对建立所述摩擦多项式模型的步骤包括：
    根据所述各转速下对应的摩擦力矩，找到其中的最小摩擦力矩及对应的参考转速；
    当所述数据对中同时存在大于和小于所述参考转速的转速时，将小于所述参考转速的转速范围作为低速段，对所述低速段内的转速和摩擦力矩的数据对进行拟合，得到低速摩擦模型，将大于所述参考转速的转速范围作为高速段，对所述高速段内的转速和摩擦力矩的数据对进行拟合，得到高速摩擦模型。
  13. 如权利要求12所述的机器人，其特征在于，所述根据所述数据对建立所述摩擦多项式模型的步骤进一步包括：
    当所述数据对中仅存在大于所述参考转速的转速时，对所有转速和摩擦力矩的数据对进行拟合，得到所述摩擦多项式模型。
  14. 如权利要求11所述的机器人，其特征在于，所述在多个不同转速下， 使所述驱动电机匀速转动，并采集各转速下对应的电枢电流的步骤包括：
    在多个不同转速下，将驱动电机设置为位置模式或者速度模式，使所述驱动电机从第一位置匀速运动至第二位置，并从第二位置匀速返回第一位置，期间采集所述驱动电机的电枢电流。
  15. 如权利要求14所述的机器人，其特征在于，所述根据所述数据对建立所述摩擦多项式模型的步骤包括：
    使用所述驱动电机从第一位置匀速运动至第二位置过程中的所述转速与摩擦力矩的数据对建立所述驱动电机的正转摩擦模型；以及
    使用所述驱动电机从第二位置匀速返回第一位置过程中的的所述转速与摩擦力矩的数据对建立所述驱动电机的反转摩擦模型。
  16. 如权利要求11所述的机器人，其特征在于，所述方法还包括：
    选择惯性参数辨识的激励轨迹，使所述驱动电机按所述激励轨迹运行，并采集所述驱动电机的反馈位置、反馈速度和反馈电流；
    根据所述反馈速度和所述驱动电机的所述摩擦多项式模型计算对应的摩擦力矩，并根据所述反馈电流计算输出扭矩，从而得到理想动力学模型下的驱动力矩；
    根据所述驱动力矩、所述反馈位置和所述反馈速度对所述机器人的惯性参数进行拟合。
  17. 如权利要求16所述的机器人，其特征在于，所述选择惯性参数辨识的激励轨迹的步骤包括：
    选取激励轨迹参数的初始值；以及
    采用遗传算法对所述激励轨迹参数进行优化。
  18. 如权利要求11所述的机器人，其特征在于，在所述在多个不同转速下使所述驱动电机匀速转动并采集各转速下对应的电枢电流的步骤包括：
    在初始测试转速下使所述驱动电机匀速转动，并采集所述初始测试转速对应的电枢电流；
    将转速每次增加或减少可变步长从而得到后续测试转速，在所述后续测试转速下使所述驱动电机匀速转动，并采集所述后续测试转速对应的电枢电流，直到达到目标转速；
    其中，转速越高，可变步长的值越大。
  19. 如权利要求11所述的机器人，其特征在于：
    所述摩擦多项式模型为用于表征所述转速与摩擦力矩的关系的1元K次多项式，其中K为大于或等于2的正整数；以及
    所述摩擦多项式模型使用最小二乘法进行曲线拟合。
  20. 一种具有存储功能的装置，其特征在于，存储有程序指令，所述程序指令可被加载并执行一种机器人的动力学参数辨识方法，所述方法包括：
    在多个不同转速下，使所述驱动电机匀速转动，并采集各转速下对应的电枢电流；
    根据所述各转速下对应的电枢电流，计算各转速下对应的摩擦力矩，以形成多个所述转速与摩擦力矩的数据对；以及
    根据所述数据对建立所述摩擦多项式模型，其中所述摩擦多项式模型用以描述所述驱动电机的转速和摩擦力矩之间的关系。
PCT/CN2018/125045 2018-12-28 2018-12-28 机器人的动力学参数辨识方法、机器人和存储装置 WO2020133270A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/CN2018/125045 WO2020133270A1 (zh) 2018-12-28 2018-12-28 机器人的动力学参数辨识方法、机器人和存储装置
CN201880087307.6A CN111788040B (zh) 2018-12-28 2018-12-28 机器人的动力学参数辨识方法、机器人和存储装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/125045 WO2020133270A1 (zh) 2018-12-28 2018-12-28 机器人的动力学参数辨识方法、机器人和存储装置

Publications (1)

Publication Number Publication Date
WO2020133270A1 true WO2020133270A1 (zh) 2020-07-02

Family

ID=71126773

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/125045 WO2020133270A1 (zh) 2018-12-28 2018-12-28 机器人的动力学参数辨识方法、机器人和存储装置

Country Status (2)

Country Link
CN (1) CN111788040B (zh)
WO (1) WO2020133270A1 (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112507480A (zh) * 2020-11-25 2021-03-16 浙江同善人工智能技术有限公司 一种惯性参数辨识方法
CN112677156A (zh) * 2020-12-30 2021-04-20 法奥(淄博)智能装备有限公司 一种机器人关节摩擦力补偿方法
CN112947069A (zh) * 2021-01-28 2021-06-11 内蒙古大学 一种移动两轮机器人的控制方法
CN113001588A (zh) * 2021-03-08 2021-06-22 陕西知感通和物联科技有限公司 一种足式机器人动力学参数辨识方法
CN113189865A (zh) * 2021-01-27 2021-07-30 上海电气智能康复医疗科技有限公司 基于动力学参数辨识的康复机器人控制方法、系统、设备及介质
CN114425770A (zh) * 2020-10-29 2022-05-03 北京配天技术有限公司 一种工业机器人示教控制方法、电子设备和存储介质
CN114636571A (zh) * 2020-12-16 2022-06-17 北京配天技术有限公司 白盒测试方法、装置、电子设备以及存储介质
CN114800519A (zh) * 2022-05-20 2022-07-29 天津大学 一种考虑摩擦的六自由度工业机器人动力学参数辨识方法
CN114896731A (zh) * 2022-05-19 2022-08-12 法奥意威(苏州)机器人系统有限公司 一种机械传动系统的动力学参数辨识方法及相关装置
CN114888803A (zh) * 2022-05-19 2022-08-12 山东新一代信息产业技术研究院有限公司 一种基于迭代优化的机械臂动力学参数辨识方法
CN115070768A (zh) * 2022-07-08 2022-09-20 江西省智能产业技术创新研究院 机器人恒定力控及负载自辨识方法、系统、介质及计算机
CN115145148A (zh) * 2022-06-10 2022-10-04 华南理工大学 具有线性正逆运动学方程的3-cru并联机器人运动控制方法
CN115476361A (zh) * 2022-09-21 2022-12-16 吉林大学 一种足式空间机器人关节反驱特性参数辨识方法
CN115476363A (zh) * 2022-10-11 2022-12-16 河北工业大学 基于数字孪生的工业机器人动力学参数自学习辨识方法
CN115592664A (zh) * 2022-10-26 2023-01-13 广州大学（Cn） 一种工业机器人末端负载辨识方法和系统
CN115674190A (zh) * 2022-09-30 2023-02-03 深圳市越疆科技有限公司 协作机械臂及其运动控制方法、碰撞检测方法、控制系统
CN116175567A (zh) * 2023-02-14 2023-05-30 合肥合滨智能机器人有限公司 一种机械臂关节摩擦模型参数和动力学参数的辨识方法
CN117549300A (zh) * 2023-11-22 2024-02-13 哈尔滨工业大学 一种电流层面机械臂动力学参数辨识方法
CN118123846A (zh) * 2024-05-06 2024-06-04 佛山华数机器人有限公司 一种机器人摩擦力矩和惯性关联力矩的快速分离方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528434B (zh) * 2020-12-04 2023-01-06 上海新时达机器人有限公司 信息识别方法、装置、电子设备和存储介质
CN113051673B (zh) * 2020-12-14 2023-09-26 华南理工大学 一种机器人改进Stribeck摩擦模型辨识方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07270229A (ja) * 1994-03-30 1995-10-20 Toshiba Corp 回転機器試験装置
CN103344243A (zh) * 2013-07-02 2013-10-09 北京航空航天大学 一种航空遥感惯性稳定平台摩擦参数辨识方法
CN104678763A (zh) * 2015-01-21 2015-06-03 浙江工业大学 基于最小二乘支持向量机的机电伺服系统摩擦补偿和动态面控制方法
CN105404157A (zh) * 2016-01-06 2016-03-16 北京理工大学 一种基于规定性能参数估计的自适应控制方法
CN106998161A (zh) * 2017-03-31 2017-08-01 深圳市伟创电气有限公司 一种伺服系统的转动惯量辨识方法及装置
CN107263467A (zh) * 2017-05-11 2017-10-20 广州视源电子科技股份有限公司 控制机器人转动关节运动的方法和装置及机器人
CN108717492A (zh) * 2018-05-18 2018-10-30 浙江工业大学 基于改进的人工蜂群算法的机械臂动力学模型辨识方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101850549B (zh) * 2010-04-30 2011-12-28 苏州博实机器人技术有限公司 一种机器人专用关节特性检测与参数调节装置
CN103926875B (zh) * 2014-04-18 2016-08-31 东南大学 一种滚珠丝杠进给系统摩擦补偿方法
CN106256084B (zh) * 2014-04-22 2019-03-01 三菱电机株式会社 电动机控制装置
CN104638999B (zh) * 2014-08-27 2018-01-19 北京理工大学 基于分段神经网络摩擦模型的双电机伺服系统控制方法
CN106695458A (zh) * 2017-02-22 2017-05-24 华中科技大学 一种数控机床进给系统的摩擦力建模方法
CN108582078A (zh) * 2018-05-15 2018-09-28 清华大学深圳研究生院 一种面向直接示教的机械臂零力控制方法
CN108890650A (zh) * 2018-08-30 2018-11-27 无锡信捷电气股份有限公司 基于动力学参数辨识的ptp加速度优化方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07270229A (ja) * 1994-03-30 1995-10-20 Toshiba Corp 回転機器試験装置
CN103344243A (zh) * 2013-07-02 2013-10-09 北京航空航天大学 一种航空遥感惯性稳定平台摩擦参数辨识方法
CN104678763A (zh) * 2015-01-21 2015-06-03 浙江工业大学 基于最小二乘支持向量机的机电伺服系统摩擦补偿和动态面控制方法
CN105404157A (zh) * 2016-01-06 2016-03-16 北京理工大学 一种基于规定性能参数估计的自适应控制方法
CN106998161A (zh) * 2017-03-31 2017-08-01 深圳市伟创电气有限公司 一种伺服系统的转动惯量辨识方法及装置
CN107263467A (zh) * 2017-05-11 2017-10-20 广州视源电子科技股份有限公司 控制机器人转动关节运动的方法和装置及机器人
CN108717492A (zh) * 2018-05-18 2018-10-30 浙江工业大学 基于改进的人工蜂群算法的机械臂动力学模型辨识方法

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114425770A (zh) * 2020-10-29 2022-05-03 北京配天技术有限公司 一种工业机器人示教控制方法、电子设备和存储介质
CN112507480B (zh) * 2020-11-25 2024-06-07 浙江同善人工智能技术有限公司 一种惯性参数辨识方法
CN112507480A (zh) * 2020-11-25 2021-03-16 浙江同善人工智能技术有限公司 一种惯性参数辨识方法
CN114636571A (zh) * 2020-12-16 2022-06-17 北京配天技术有限公司 白盒测试方法、装置、电子设备以及存储介质
CN112677156A (zh) * 2020-12-30 2021-04-20 法奥(淄博)智能装备有限公司 一种机器人关节摩擦力补偿方法
CN113189865A (zh) * 2021-01-27 2021-07-30 上海电气智能康复医疗科技有限公司 基于动力学参数辨识的康复机器人控制方法、系统、设备及介质
CN113189865B (zh) * 2021-01-27 2024-03-26 上海际知医疗科技有限公司 基于动力学参数辨识的康复机器人控制系统
CN112947069A (zh) * 2021-01-28 2021-06-11 内蒙古大学 一种移动两轮机器人的控制方法
CN113001588A (zh) * 2021-03-08 2021-06-22 陕西知感通和物联科技有限公司 一种足式机器人动力学参数辨识方法
CN114896731A (zh) * 2022-05-19 2022-08-12 法奥意威(苏州)机器人系统有限公司 一种机械传动系统的动力学参数辨识方法及相关装置
CN114888803A (zh) * 2022-05-19 2022-08-12 山东新一代信息产业技术研究院有限公司 一种基于迭代优化的机械臂动力学参数辨识方法
CN114888803B (zh) * 2022-05-19 2024-01-30 山东新一代信息产业技术研究院有限公司 一种基于迭代优化的机械臂动力学参数辨识方法
CN114800519B (zh) * 2022-05-20 2023-09-26 天津大学 一种考虑摩擦的六自由度工业机器人动力学参数辨识方法
CN114800519A (zh) * 2022-05-20 2022-07-29 天津大学 一种考虑摩擦的六自由度工业机器人动力学参数辨识方法
CN115145148A (zh) * 2022-06-10 2022-10-04 华南理工大学 具有线性正逆运动学方程的3-cru并联机器人运动控制方法
CN115070768A (zh) * 2022-07-08 2022-09-20 江西省智能产业技术创新研究院 机器人恒定力控及负载自辨识方法、系统、介质及计算机
CN115476361A (zh) * 2022-09-21 2022-12-16 吉林大学 一种足式空间机器人关节反驱特性参数辨识方法
CN115674190A (zh) * 2022-09-30 2023-02-03 深圳市越疆科技有限公司 协作机械臂及其运动控制方法、碰撞检测方法、控制系统
CN115674190B (zh) * 2022-09-30 2024-05-07 深圳市越疆科技股份有限公司 协作机械臂及其运动控制方法、碰撞检测方法、控制系统
CN115476363A (zh) * 2022-10-11 2022-12-16 河北工业大学 基于数字孪生的工业机器人动力学参数自学习辨识方法
CN115592664A (zh) * 2022-10-26 2023-01-13 广州大学（Cn） 一种工业机器人末端负载辨识方法和系统
CN116175567A (zh) * 2023-02-14 2023-05-30 合肥合滨智能机器人有限公司 一种机械臂关节摩擦模型参数和动力学参数的辨识方法
CN116175567B (zh) * 2023-02-14 2023-11-24 合肥合滨智能机器人有限公司 一种机械臂关节摩擦模型参数和动力学参数的辨识方法
CN117549300A (zh) * 2023-11-22 2024-02-13 哈尔滨工业大学 一种电流层面机械臂动力学参数辨识方法
CN118123846A (zh) * 2024-05-06 2024-06-04 佛山华数机器人有限公司 一种机器人摩擦力矩和惯性关联力矩的快速分离方法

Also Published As

Publication number Publication date
CN111788040A (zh) 2020-10-16
CN111788040B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
WO2020133270A1 (zh) 机器人的动力学参数辨识方法、机器人和存储装置
CN106313044B (zh) 一种工业机器人前馈力矩补偿方法
JP5996127B2 (ja) 摩擦同定方法および摩擦同定装置
CN108319228B (zh) 一种数控系统轨迹规划中加减速控制方法
CN109623810B (zh) 一种机器人平滑的时间最优轨迹规划的方法
WO2014021433A1 (ja) ロボット装置およびその制御方法
CN108890650A (zh) 基于动力学参数辨识的ptp加速度优化方法及装置
CN104638999B (zh) 基于分段神经网络摩擦模型的双电机伺服系统控制方法
WO2023115784A1 (zh) 机器人运动信息规划方法及相关装置
CN109940609B (zh) 一种基于中心对称静摩擦模型的机器人动力学建模方法
CN114043480A (zh) 一种基于模糊控制的自适应阻抗控制算法
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
WO2017172367A1 (en) Automatic determination of maximum acceleration for motion profiles
CN114859708A (zh) 一种单连杆柔性机械臂跟踪控制方法
CN113051673A (zh) 一种机器人改进Stribeck摩擦模型辨识方法
CN107363832A (zh) 一种工业机器人前馈力矩实时计算方法
CN114800519B (zh) 一种考虑摩擦的六自由度工业机器人动力学参数辨识方法
CN116423522A (zh) 一种摩擦力自适应补偿的机器人拖动示教零力控制方法
CN112528434A (zh) 信息识别方法、装置、电子设备和存储介质
CN110569767B (zh) 运动参数识别方法、系统、设备及计算机可读存储介质
CN114179089A (zh) 一种机械臂的鲁棒区域跟踪控制方法
CN107598921B (zh) 一种应用于六轴机械手臂的空间平滑停止控制方法
JP2014117787A (ja) 制御装置
Hansen et al. Optimal motion planning for energy efficient multi-axis applications
JP2020110884A (ja) ロボット制御装置、ロボット制御方法、及びロボット制御プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18944851

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18944851

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 15/11/2021)

122 Ep: pct application non-entry in european phase

Ref document number: 18944851

Country of ref document: EP

Kind code of ref document: A1