[發明專利]一種基于迭代優化的機械臂動力學參數辨識方法

在審

• 申請號: 202210544014.4
• 申請日: 2022-05-19
• 公開（公告）號: CN114888803A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 王懷震;婁本山;劉潤晨;譚博;高明;李洪生
• 申請（專利權）人: 山東新一代信息產業技術研究院有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 孫晶偉

本發明公開一種基于迭代優化的機械臂動力學參數辨識方法,涉及智能數控技術領域；根據多自由度串聯型機械臂的動力學模型中摩擦力矩建立機械臂關節的摩擦力模型，針對多自由度串聯型機械臂動力學模型中線性化動力學模型利用加權最小二乘法迭代辨識基本動力學參數，根據基本動力學參數中獲得的摩擦力利用橢球法分別迭代獲得摩擦力模型中的Stribeck非線性摩擦力參數和非線性粘性摩擦力參數，約束Stribeck非線性摩擦力參數和非線性粘性摩擦力參數直至穩定，所述Stribeck非線性摩擦力參數和非線性粘性摩擦力參數對應的基本動力學參數作為辨識的機械臂動力學參數。

技術領域

本發明公開一種方法,涉及智能數控技術領域，具體地說是一種基于迭代優化的機械臂動力學參數辨識方法。

背景技術

傳統的工業機器人缺乏靈活性和龐大的體積并不受中小型企業的歡迎，另一方面，協作機器人可以在接近人類的地方工作，通常體積更小，因此目前更受歡迎。與傳統工業機器人相比，協作機器人不僅在直接教學、與環境交互方面顯示出優越性，而且與人類合作的安全性也得到更好的保證。而協作機器人執行任務高度依賴于精確的動力學模型(包括摩擦力模型)。

然而，通過從計算機輔助設計(CAD)軟件只能粗略估計的標稱參數，協作機器人動態模型通常未知或僅部分已知，由于生產公差的存在，更加不能保證動態模型準確性。因此，需要對協作機器人的機械臂進行動力學模型參數辨識，以便精準控制協作機器人，但目前僅就最小二乘估計和與動態參數成線性關系的逆動態模型有研究，并未對摩擦效應產生的動力問題進行考量，因此目前的辨識參數不夠準確，有待提高。

發明內容

本發明針對現有技術的問題，提供一種基于迭代優化的機械臂動力學參數辨識方法，快速有效進行機械臂動力學參數辨識，為精準控制機械臂提供參數信息依據。

本發明提出的具體方案是：

本發明提供一種基于迭代優化的機械臂動力學參數辨識方法，根據多自由度串聯型機械臂的動力學模型中摩擦力矩建立機械臂關節的摩擦力模型，

針對多自由度串聯型機械臂動力學模型中線性化動力學模型利用加權最小二乘法迭代辨識基本動力學參數，

根據基本動力學參數中獲得的摩擦力利用橢球法分別迭代獲得摩擦力模型中的Stribeck非線性摩擦力參數和非線性粘性摩擦力參數，約束Stribeck非線性摩擦力參數和非線性粘性摩擦力參數直至穩定，所述Stribeck非線性摩擦力參數和非線性粘性摩擦力參數對應的基本動力學參數作為辨識的機械臂動力學參數。

進一步，權利要求1所述的一種基于迭代優化的機械臂動力學參數辨識方法中所述多自由度串聯型機械臂的動力學模型，如下：

其中，M(q)∈R^n×n和n為慣性矩陣和關節數；和G(q)∈R^n×1分別表示科里奧利離心力矩陣和重力力矩矢量；q,是n×1的關節角位移、角速度和角加速度的向量；τ∈R^n×1和τ_f∈R^n×1分別為傳統動力學模型中關節的驅動力矩和摩擦力矩。

進一步，權利要求1所述的一種基于迭代優化的機械臂動力學參數辨識方法中根據摩擦力矩建立機械臂關節的摩擦力模型，如下：

其中，δ_si為非線性參數，α_si為Stribeck非線性的指數參數，α_vi是形成粘滯摩擦的非線性的指數參數，K_ci,K_si,K_vi表示關節的摩擦力。

進一步，權利要求1所述的一種基于迭代優化的機械臂動力學參數辨識方法中所述利用加權最小二乘法迭代辨識基本動力學參數，包括：