协作机器人负载辨识方法与流程
本发明属于机器人控制，尤其涉及协作机器人负载辨识方法。
背景技术：
1、机械臂整体动力学参数辨识过程中，需要机械臂所有的关节轴运动，为此需要较大的自由运动空间及计算时间。然而在实际的机械臂工作中，需要在不同场景下安装执行器负载，这会导致机械臂动力学特性的改变。辨识负载参数可以采用重复一次所有关节运动的过程，获得一组新的动力学参数，然而这种方式需要机械臂较大的运动空间且在一些实际的场景中难以保证。
技术实现思路
1、本技术针对上述技术问题提出协作机器人负载辨识方法，首先，建立标准dh模型；接着，使用拉格朗日动力学中的重力项建立动力学模型，并采用库伦-粘滞模型处理摩擦力；通过简化和线性化各关节力矩模型，获得最小参数集和回归矩阵；为了提高辨识精度和效率，本发明采用分别驱动第4、5、6关节进行单关节低速运动，以避免激发质量-惯性矩阵(mass-centripetal matrix，简称mc矩阵)的影响，并使用最小二乘法进行参数辨识；最后，将带载和不带载的辨识结果进行比较，计算负载的质量和质心位置。实验结果显示，辨识精度误差在5％以内。
2、具体技术方案如下：
3、协作机器人负载辨识方法，包括如下步骤：
4、(1)基于拉格朗日动力学中的重力项建立动力学模型；
5、(2)简化和线性化各关节力矩模型，获得最小参数集和回归矩阵；
6、(3)分别驱动第4、5、6关节进行单关节低速运动，并使用最小二乘法进行参数辨识；
7、(4)将带载和不带载的辨识结果进行比较，计算获得负载的质量和质心位置。
8、作为上述方法的进一步说明，动力学模型中各关节力矩为：
9、t1＝-m1*gg*u11*r1-m2*gg*u21*r2-m3*gg*u31*r3-m4*gg*u41*r4
10、-m5*gg*u51*r5-m6*gg*u61*r6*+k11*sign(dq1)+k12*dq1
11、t2＝-m2*gg*u22*r2-m3*gg*u32*r3-m4*gg*u42*r4
12、-m5*gg*u52*r5-m6*gg*u62*r6*+k21*sign(dq2)+k22*dq2
13、t3＝-m3*gg*u33*r3-m4*gg*u43*r4-m5*gg*u53*r5-m6*gg*u63*r6*
14、+k31*sign(dq3)+k32*dq3
15、t4＝-m4*gg*u44*r4-m5*gg*u54*r5-m6*gg*u64*r6*+k41*sign(dq4)+k42*dq4
16、t5＝-m5*gg*u55*r5-m6*gg*u65*r6*+k51*sign(dq5)+k52*dq5；
17、t6＝-m6*gg*u66*r6*+k61*sign(dq6)+k62*dq6；
18、其中，动力学模型中参数定义为：
19、连杆扭转角连杆偏距d＝[d1,0,0,d4,d5,d6]，各关节的质心位置为：r1＝[xc1,yc1,zc1]、r2＝[xc2,yc2,zc2]、r3＝[xc3,yc3,zc3]、r4＝[xc4,yc4,zc4]、r5＝[xc5,yc5,zc5]、r6＝[xc6,yc6,zc6]；
20、各关节的速度值为dqi，1≤i≤6gg＝[0,0,-g]，uij为对qj求导，m为各关节质量，kij为摩擦力；
21、关节转角q＝[q1,q2,q3,q4,q5,q6]，连杆长度a＝[0,a2,a3,0,0,0]；
22、重力项中需要用的转换矩阵：
23、
24、
25、
26、
27、
28、
29、
30、
31、
32、
33、
34、作为上述方法的进一步说明，简化各关节力矩模型后回归矩阵为：
35、其中：
36、w61＝sign(dq6)；
37、w62＝dq6；
38、w63＝gg·(cos(q2+q3+q4)·cos(q6)-1.0·sin(q2+q3+q4)·cos(q5)·sin(q6))；
39、w64＝-1.0·gg·(cos(q2+q3+q4)·sin(q6)+sin(q2+q3+q4)·cos(q5)·cos(q6))；
40、
41、其中：
42、a53＝-d6m6-m6zc6-m5zc5；
43、w51＝sign(dq5)；
44、w52＝dq5；
45、w53＝gg·sin(q2+q3+q4)·cos(q5)；
46、w54＝-1·gg·sin(q2+q3+q4)·sin(q5)；
47、w55＝-1·gg·sin(q2+q3+q4)·cos(q6)·sin(q5)；
48、w56＝gg·sin(q2+q3+q4)·sin(q5)·sin(q6)；
49、
50、其中：
51、a43＝d5m5+d5m6-m5yc5-m4zc4；
52、w41＝sign(dq4)；
53、w42＝dq4；
54、w43＝gg·sin(q2+q3+q4)；
55、w44＝gg·cos(q2+q3+q4)；
56、w45＝-1·gg·(sin(q2+q3+q4)·sin(q6)-cos(q2+q3+q4)·cos(q5)·cos(q6))；
57、w46＝-1·gg·(sin(q2+q3+q4)·cos(q6)+cos(q2+q3+q4)·cos(q5)·sin(q6))；w47＝gg·cos(q2+q3+q4)；
58、w48＝cos(q2+q3+q4)·cos(q5)·gg；
59、
60、其中：
61、a33＝a3m3+a3m4+a3m5+a3m6+m3xc3；
62、w31＝sign(dq3)；
63、w32＝dq3；
64、w33＝gg·cos(q2+q3)；
65、w34＝-1.0·gg·sin(q2+q3)；
66、w35t＝-1.0·gg·m6yc6·sin(q2+q3+q4)；
67、w36t＝-a53·cos(q2+q3+q4)·gg；
68、w37t＝a43·sin(q2+q3+q4)·gg；
69、w38t＝m4xc4·cos(q2+q3+q4)·gg；
70、
71、其中：
72、a23＝a2(m2+m3+m4+m5+m6)+m2xc2；
73、w21＝sign(dq2)；
74、w22＝dq2；
75、w23＝gg·cos(q2)；
76、w24＝-1.0·gg·sin(q2)；
77、w25t＝-a53·cos(q2+q3+q4)·gg；
78、w26t＝a43·sin(q2+q3+q4)·gg；
79、w27t＝a44·cos(q2+q3+q4)·gg；
80、w28t＝a33·cos(q2+q3)·gg；
81、w29t＝-m3yc3·sin(q2+q3)·gg；
82、
83、w11＝sign(dq1)；
84、w12＝dq1。
85、作为上述方法的进一步说明，使用最小二乘法进行参数辨识的方法为：
86、设系统的输入为x，输出为y，模型为线性模型y＝x·β+δ，其中β为待估计的参数向量，δ为误差向量，找到使得误差平方和最小的β，即：
87、
88、其解为：
89、β＝(xtx)-1xty；
90、收集系统输入输出数据，构建矩阵x和向量y带入上式得到估计的参数β。
91、作为上述方法的进一步说明，获取辨识结果的方法为：
92、驱动第六关节，辨识出第六关节的参数：k61、k62、m6xc6、m6yc6；
93、驱动第五关节，并将六关节的参数带入t5关节力矩的回归矩阵辨识出第五关节的参数：k51、k52、a53、m5xc5；
94、驱动第四关节，并将第五关节的参数带入t4关节力矩的回归矩阵辨识出第四关节的参数：k41、k42、a43、m4xc4；
95、分别获得空载和带载状态的辨识结果，计算负载的质量和质心位置：
96、负载质量：m6＝(a43l-a430)/d5；
97、负载质心：rcx＝(m6xc6l-m6xc60)/m6；
98、rcy＝(m6yc6l-m6yc60)/m6；
99、rcz＝-(a53l-a530)/m6-d6。
100、本发明的有益效果为：
101、(1)本发明的负载辨识方法基于拉格朗日动力学中的重力项建立动力学模型，通过仅驱动4、5、6关节运动，其他轴固定的方式便可以完成负载质心和质量的辨识，对于辨识过程中运动空间要求更低，可以避免采用重复一次所有关节运动进行辨识对于较大运动空间要求的缺陷；
102、(2)同时仅驱动4、5、6关节运动能减小机器人耦合带来的误差，提高负载辨识参数辨识功能，提高机械臂的控制性能；
103、(3)驱动4、5、6关节运动时采用低速运动的方式，避免激发mc矩阵的影响，不需要采集加速度数据，减少辨识带来的误差，能够提高辨识精度；
104、(4)在辨识过程中采用单关节运动，能够避免负载与机械臂关节发生奇异位置，增大负载运动空间。
技术特征：
1.协作机器人负载辨识方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的协作机器人负载辨识方法，其特征在于，动力学模型中各关节力矩为：
3.根据权利要求2所述的协作机器人负载辨识方法，其特征在于，简化各关节力矩模型后回归矩阵为：
4.根据权利要求3所述的协作机器人负载辨识方法，其特征在于，使用最小二乘法进行参数辨识的方法为：
5.根据权利要求4所述的协作机器人负载辨识方法，其特征在于，获取辨识结果的方法为：
技术总结
本发明公开了协作机器人负载辨识方法，包括如下步骤：(1)基于拉格朗日动力学中的重力项建立动力学模型；(2)简化和线性化各关节力矩模型，获得最小参数集和回归矩阵；(3)分别驱动第4、5、6关节进行单关节低速运动，并使用最小二乘法进行参数辨识；(4)将带载和不带载的辨识结果进行比较，计算获得负载的质量和质心位置。
技术研发人员：马玉如,骆敏舟,李兴家,卢钰,康淼淼,杭小树
受保护的技术使用者：江苏集萃智能制造技术研究所有限公司
技术研发日：
技术公布日：2024/9/23