[發明專利]機械臂在線動力學辨識的方法、設備及存儲介質

在審

• 申請號: 202111486175.4
• 申請日: 2021-12-07
• 公開（公告）號: CN114179126A
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 陳凱;趙俊宇;胡小林;戴曉羅;郭俊杰;邱聲
• 申請（專利權）人: 廣東盈峰智能環衛科技有限公司
• 主分類號: B25J19/00
• 分類號: B25J19/00
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 梁嘉琦

本發明提供了一種機械臂在線動力學辨識的方法、設備及存儲介質，方法包括根據預設的機械臂動力學模型，輸出用于調整若干機械臂關節的第一力矩參數集；周期性地檢測第一力矩參數集與實際測量得到的第二力矩參數集之間的第一模型誤差；當第一模型誤差大于預設的誤差設定值時，在循環學習周期內對每一機械臂關節循環學習，得到每一機械臂關節的多個模型更新量集；根據多個模型更新量集，在第一時間更新機械臂動力學模型并結束循環學習周期的循環學習并根據更新后的機械臂動力學模型輸出的第三力矩參數集，更新第一模型誤差以根據更新后第一模型誤差判斷是否在重新進行循環學習。本發明的實施例優化了在線辨識過程中修正時的算法的空間復雜度。

技術領域

本發明實施例涉及但不限于機器人技術領域，尤其涉及一種機械臂在線動力學辨識的方法、設備及存儲介質。

背景技術

機械臂可以看作一組連桿通過關節串聯而成的一個機械結構。因此，每一機械臂包括若干機械臂關節，通過控制每一機械臂關節的力矩來實現機械臂的運動。相關技術中，通過離線辨識的方法對機械臂的動力學模型進行訓練，并在實際的運動過程中，通過采集實時在線數據對動力學模型重新訓練，進而根據實際的在線數據進行動力學模型的修正，以解決動力學參數漂移的問題，其中，動力學參數表示動力學模型輸入與輸出的關系。但是這種方式，其算法的空間復雜度較高。

發明內容

以下是對本文詳細描述的主題的概述。本概述并非是為了限制權利要求的保護范圍。

本發明實施例提供了一種機械臂在線動力學辨識的方法、設備及存儲介質，能夠優化了在線辨識過程中修正時的算法的空間復雜度。

第一方面，本發明實施例提供了一種機械臂在線動力學辨識的方法，所述方法包括：

根據預設的機械臂動力學模型，輸出用于調整若干機械臂關節的第一力矩參數集；

周期性地檢測所述第一力矩參數集與實際測量得到的第二力矩參數集之間的第一模型誤差；

當所述第一模型誤差大于預設的誤差設定值時，在循環學習周期內對每一所述機械臂關節循環學習，得到每一所述機械臂關節的多個模型更新量集；

根據多個所述模型更新量集，在第一時間更新所述機械臂動力學模型并結束所述循環學習周期的循環學習；

在所述第一時間，根據更新后的所述機械臂動力學模型輸出的第三力矩參數集，更新所述第一模型誤差以根據更新后所述第一模型誤差判斷是否在下一循環學習周期重新進行循環學習。

第三方面，本發明實施例還提供了一種計算機可讀存儲介質，存儲有計算機可執行指令，所述計算機可執行指令用于執行第一方面任意一項所述的機械臂在線動力學辨識的方法。

根據本發明的上述實施例，至少具有如下有益效果：當第一模型誤差大于預設的誤差設定值，進入第一輪的循環學習周期的循環學習，以獲得該循環學習周期內連續多個模型更新量集。在第一時間更新機械臂動力學模型，可以得到更新后的動力模型在第一時間輸出的第三力矩參數集，此時通過第三力矩參數集更新第一模型誤差進而判斷是否需要從第一時間開始進行第二輪的循環學習，實現多次增量調整。相對于傳統的在線辨識修正的方式，本發明的實施例是根據實時在線數據的更新量進行機械臂動力學模型的增量更新，優化了在線辨識過程中修正時的算法的空間復雜度。

本發明的其它特征和優點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發明而了解。本發明的目的和其他優點可通過在說明書、權利要求書以及附圖中所特別指出的結構來實現和獲得。

附圖說明

附圖用來提供對本發明技術方案的進一步理解，并且構成說明書的一部分，與本發明的實施例一起用于解釋本發明的技術方案，并不構成對本發明技術方案的限制。

圖1是本發明實施例的機械臂在線動力學辨識的方法的流程示意圖；