[發明專利]六自由度機械臂動力學模型辨識方法

在審

• 申請號: 201710265921.4
• 申請日: 2017-04-21
• 公開（公告）號: CN107498562A
• 公開（公告）日: 2017-12-22
• 發明（設計）人: 禹鑫燚;詹益安;歐林林;王正安;洪學勁峰
• 申請（專利權）人: 浙江工業大學
• 主分類號: B25J9/18
• 分類號: B25J9/18
• 代理公司: 杭州天正專利事務所有限公司33201
• 代理人: 王兵,黃美娟

技術領域

本發明涉及一種機器人機械臂動力學模型辨識方法。

背景技術

近年來，工業機器人已被廣泛應用于工業生產的各個領域，特別是在造船，汽車和航空制造業。隨著計算機計算能力的不斷提升和計算成本的下降，應用于機器人的先進控制技術變得更加可行。然而，機械臂動力學模型中包含一些未知的參數，許多機器人控制方法依賴于這些未知的值，尤其是在高速運動情況下。因此動力學參數辨識方法對基于模型的控制方法的發展具有重要的意義。

目前，一個標準的機械臂動力學辨識過程包括動力學建模、激勵軌跡設計、數據采集、參數辨識和模型驗證，但其中針對機械臂動力學參數辨識的研究較少。張鐵、覃彬彬提出了一種六自由度機器人末端動力學參數辨識裝置及方法(張鐵.一種六自由度機器人末端負載動力學參數辨識裝置及方法：中國，106346513[P].2017-01-25)，公開了一種六自由度機器人末端負載動力學參數辨識方法,其發明采用了優化的激勵軌跡進行數據采樣，以拉格朗日方程建立動力學模型，采用帶權最小二乘法求解辨識參數，但是其實時性較差，不適宜處理大規模的參數辨識問題；Gautier和Poignet通過加權最小二乘法從實驗數據中得出了SCARA機器人的動力學模型(Gautier M,Poignet P.Extended Kalman filtering and weighted least squares dynamic identification of robot.Control Engineering Practice,2001,9(12):1361-1372)，但是其在處理復雜的參數辨識問題時不夠精確實時。Behzad等采用分子階子空間方法在仿真中辨識了機器人模型(Bredereck H,M.Robot identification using fractional subspace method.In:Proceeding of the 2nd International Conference on Singapore,2011:1193-1199)，但是其結構復雜，參數辨識效果并不是很理想。最近，一些人工智能算法被應用于機器人參數辨識領域，比如采用遺傳算法確定自主水下機器人的參數。然而，在處理復雜和大規模的參數辨識問題時，遺傳算法容易陷入局部最優。

發明內容

本發明要克服現有技術的上述缺點，利用粒子群優化算法易于實現，同時在處理復雜和大規模的參數辨識問題時不易陷入局部最優的優點，提出了一種基于改進的粒子群優化(particle swarm optimization,PSO)算法的工業機器人動力學參數辨識方法，其克服了遺傳算法在處理復雜和大規模的參數辨識問題時容易陷入局部最優的缺點，并利用了它們優點。

本發明具體流程如下：首先利用改進的牛頓-歐拉方法，建立考慮關節摩擦的機械臂線性動力學模型，然后引入PSO算法，建立了基于改進PSO算法的估計未知動力學參數的算法，最后以UR工業機器人為實驗對象，通過設計激勵軌跡，激勵工業機器人關節運動，并對關節運動參數進行采樣，實現UR工業機器人的動力學參數估計，并根據力矩預測精度驗證動力學模型。該發明大大提高了所辨識的工業機器人動力學模型的準確性和有效性，同時能夠作為工業機器人動力學模型參數估計的一種有效的方法，對基于機器人模型的控制方法的研究具有重要的意義。

本發明的6自由度機械臂動力學模型辨識方法，具體步驟如下：