[發明專利]基于先驗動力學知識的機器人參數識別及接觸力監測方法

有效

• 申請號: 201911127310.9
• 申請日: 2019-11-18
• 公開（公告）號: CN110716557B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 郭士杰;朱立爽;劉今越;李洋
• 申請（專利權）人: 河北工業大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 付長杰

1.一種基于先驗動力學知識的機器人參數識別及接觸力監測方法，該方法通過編碼器獲得機器人的關節角度和角速度并通過中值濾波去除噪聲干擾，將濾波后的速度信息微分并均值濾波，從而得到機器人的關節角加速度，數據采集卡實時采集電機驅動器模擬量監測端的電流信息并通過中值濾波和比例放大得到機器人的實際關節力矩；

控制機器人在空間內做盡量多的不同軌跡的運動，同時采集其在不同時刻的角度、角速度、角加速度、實際力矩作為樣本，基于機器人先驗動力學知識通過梯度下降法離線學習，辨識出機器人的動力學參數，包括關節連桿質量、轉動慣量、連桿的質心到各自旋轉軸的距離，得到機器人在自由空間即與包括人在內的周圍環境沒有碰撞和接觸時的理想動力學模型；

在實時監測過程中，將所述機器人的關節角度和角速度、機器人的關節角加速度帶入自由空間的理想動力學模型，得到機器人在此時刻的理論力矩；實時監測時，將在電機驅動器模擬量監測端采集的電流信息通過中值濾波和比例放大得到此時刻的實際關節力矩；

將實際關節力矩和理論力矩比較，若相差超出閾值范圍內則表示發生了碰撞，根據機器人關節力矩和末端接觸力的關系，用力的雅克比矩陣換算得到機器人的接觸力大小和方位，將接觸力信息作為控制依據調整機器人運動達到保證人機協作安全的目的；

動力學參數的辨識過程是：

假設機器人動力學參數理想值θ^*已知，組成的矢量為：

θ^*＝[m₁^*,m₂^*,I₁^*,I₂^*,p₁^*,p₂^*]

其中m₁^*,m₂^*分別為兩連桿的質量的理想值，I₁^*,I₂^*分別為兩連桿繞各自旋轉軸轉動的轉動慣量的理想值，p₁^*,p₂^*分別為兩連桿的質心到各自旋轉軸的距離的理想值；

則根據牛頓-歐拉法建立機器人動力學模型為

其中，τ^*是理想情況下對應的關節力矩，q＝[q₁,q₂]^T是各關節角度矢量，是各關節角速度，是各關節角加速度，D(q)是慣性矩陣，是離心力和哥氏力矢量，G(q)是重力矢量，τ_f是關節摩擦力矩，τ_e是克服與外界接觸力的力矩；

對于二自由度旋轉型機器人有

其中c_i＝cos(q_i)，s_i＝sin(q_i)，m_i表示各關節臂的質量，I_i表示各關節轉動慣量，l_i表示各連桿長度，p_i表示連桿質心到軸的長度；g表示重力加速度；i＝1或2；c₁₂＝cos(q1+q2)；

用粘性摩擦加庫倫摩擦模型進行建模得到關節摩擦力矩，即

其中f_v是粘性摩擦系數，f_c是庫倫摩擦系數；

設所需辨識的參數矢量為：

其中分別為兩連桿的質量的辨識值，分別為兩連桿繞各自旋轉軸轉動的轉動慣量的辨識值，分別為兩連桿的質心到各自旋轉軸的距離的辨識值；

采用機器人動力學的先驗知識構建的神經網絡為：

采用梯度下降法獲得未知參數，的初始參數為人工估計的參數的學習速率為β，損失函數采用二次代價函數：

則損失函數L的相對于的梯度為

此時參數更新法則為：

參數更新和優化的最終結果為：

從而獲得辨識后的各動力學參數，得到了機器人在自由空間即與包括人在內的周圍環境沒有碰撞和接觸時的理想動力學模型。