[發明專利]一種提高機器人動力學參數辨識精度的方法

有效

• 申請號: 201810985286.1
• 申請日: 2018-08-28
• 公開（公告）號: CN109062051B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 曹宇男;黎意楓
• 申請（專利權）人: 蘇州艾利特機器人有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種提高機器人動力學參數辨識精度的方法，針對關節速度和加速度無法直接測量獲取實際值，采用對關節位置作頻域微分的方法獲取，與傳統的時域微分法相比，可以避免時域微分給加速度信號帶來很大噪聲；與對關節位置反向擬合出實際的傅里葉級數再求導的方法相比，可以避免反向擬合時引入新的誤差并逐級放大誤差。因此，該方法可以大大降低噪聲影響，提高動力學模型辨識精度。

技術領域

本發明涉及機器人控制技術領域，特別涉及一種提高機器人動力學參數辨識精度的方法。

背景技術

隨著工業機器人技術向高速、高精度的方向發展，對工業機器人的控制精度與控制性能提出了更高的要求。基于動力學模型的控制可以彌補傳統的基于運動學控制的不足，大大提高機器人控制精度與控制性能。機器人動力學模型是一個高度復雜、非線性的模型，獲取精確的動力學模型主要借助動力學參數辨識實驗。

動力學模型參數辨識的一般步驟包括建模、設計并優化激勵軌跡、數據采樣與處理、參數估計、模型驗證。數據采樣主要采集機器人跟蹤激勵軌跡時各關節位置和力矩信息，這些采樣信息包含很大的噪聲，力矩信息噪聲尤其大。如果不對上述采樣數據進行處理降噪，將導致動力學模型參數辨識結果不準或者辨識失敗。

由于機器人跟蹤激勵軌跡運動時無法直接獲取各關節速度、加速度信息，現有的動力學模型參數辨識方法之一是關節位置在時域進行微分、二次微分分別得到速度、加速度信息，但二次微分使加速度含有很大的噪聲，將直接導致機器人慣性參數辨識精度下降或失準；方法之二是由采集的關節位置信息反向擬合出實際的傅里葉級數激勵軌跡，對實際傅里葉級數求導得到關節速度和加速度，但該法在反向擬合時又引入了新的誤差，在后續數據處理過程中誤差將逐級放大。現有的上述動力學模型參數辨識方法得到的動力學參數在模型實際控制驗證中往往造成誤差較大，難以滿足高精度的機器人控制要求。

發明內容

本發明的目的旨在克服現有技術缺陷，為此，本發明提出一種提高機器人動力學模型參數辨識精度的方法。

為了實現上述發明目的，本發明提供了以下技術方案：

一種提高機器人動力學參數辨識精度的數據處理方法，包括以下步驟：

步驟P1：設置周期性激勵軌跡，并根據優化準則優化軌跡參數，用作機器人動力學模型參數辨識軌跡；所述周期性傅里葉級數激勵軌跡為：

其中，1≤i≤dof，dof為機器人關節數，ω_f是傅里葉級數軌跡基頻，N是傅里葉級數諧波數，q_i,0,a_i,k,b_i,k分別為傅里葉級數參數；

步驟P2：機器人重復運行所述周期性激勵軌跡，采樣軌跡上不同位置點的運行數據，所述運行數據包括關節位置、關節力矩(或電流)；

步驟P3：對重復運行所述周期性激勵軌跡采樣獲得的所述運行數據進行均值處理，得到所述周期性激勵軌跡上的均值數據；

步驟P4：對所述均值數據的關節位置數據濾波處理得到濾波后的位置數據；

步驟P5：對所述濾波后的位置數據采用頻域微分方法求取各位置數據點對應時刻的關節速度和關節加速度；

步驟P6：對所述均值數據的關節力矩數據，采用頻域方法處理，利用傅里葉變換進行信號頻譜分析，分析信號的頻率成分構成、頻率分布范圍，以及各個頻率成分的幅值分布和能量分布，根據分析出的真實力矩信號頻率范圍和力矩噪聲信號的頻率范圍，設置相應的頻域濾波器濾去噪聲信號得到濾波后的關節力矩數據；

步驟P7：根據步驟P5獲得的關節速度、關節加速度以及步驟P6獲得的濾波后的關節力矩數據，對機器人動力學模型進行參數估計，得到機器人動力學模型最小參數集向量的估計；