一种机器人完全零力控制方法及系统技术方案

本发明专利技术提供了一种机器人完全零力控制方法及系统，所述方法包括：得到所述机器人的动力学模型与动力学参数；得到所述机器人的最优激励轨迹，并采集运动数据；基于所述动力学模型构建初始动态动力学模型；采集所述机器人的重力参数及动摩擦力参数，以得到最终动态动力学模型；采集所述机器人的静摩擦力参数，得到最终静态动力学模型；将所述最终动态动力学模型与所述最终静态动力学模型进行结合，以得到完全零力控制模型。本发明专利技术能够不在各个关节添加额外力矩传感器的同时，克服重力及摩擦力的影响，将动力学模型细分为动态动力学模型和静态动力学模型，实现机器人在任何时间、任何姿态下的完全零力控制，且能很好适应环境变化。且能很好适应环境变化。且能很好适应环境变化。

【技术实现步骤摘要】
一种机器人完全零力控制方法及系统


[0001]本专利技术属于机器人控制的
，具体地涉及一种机器人完全零力控制方法及系统。

技术介绍

[0002]目前主流的机器人的机械臂的拖拽控制主要分为两种：一种是基于关节力传感器补偿的拖拽控制；另一种是基于机械臂动力学模型或软PID的控制方式，前者传感器无法克服重力影响，会导致机械臂在拖拽时无法抵消重力而下坠，后者无法克服摩擦力影响，在起始和环境变化时需要较大力才能推动，并且在力臂短时更加明显。
[0003]例如，公布号为CN 115042177A的机器人末端控制方法、装置、设备及存储介质的专利，其技术方案为获得机器人的末端受力向量，进行映射转换后转为位置向量，以此对机器人进行末端工作空间拖拽，但其不能分辨向前关节的力，且无法克服静摩擦力及重力项；
[0004]公布号为CN11 1300433A的基于六维力传感器的机器人拖拽示教装置的专利，其技术方案为根据末端六维力传感器受力信息感知外部用力实现拖拽示教，但只能感受到末端受力，当人手施加在向前关节时无法判断，并且成本较高。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供了一种机器人完全零力控制方法及系统，用于解决现有技术中存在的技术问题。
[0006]第一方面，该专利技术提供以下技术方案，一种机器人完全零力控制方法，所述方法包括：
[0007]对机器人进行动力学建模及动力学参数辨识，以得到所述机器人的动力学模型与动力学参数；
[0008]根据所述动力学模型与所述动力学参数生成所述机器人的激励轨迹，并通过二次规划算法得到所述机器人的最优激励轨迹，控制所述机器人按照所述最优激励轨迹运动并采集运动数据；
[0009]对所述运动数据进行滤波处理，使用QR分解法进行参数辨识，并基于所述动力学模型构建初始动态动力学模型；
[0010]采集所述机器人的重力参数、动摩擦力参数，并对所述重力参数与所述动摩擦力参数采用最小二乘法求解得到重力矩模型与动摩擦力模型，根据所述重力矩模型与所述动摩擦力模型，以得到最终动态动力学模型；
[0011]采集所述机器人的静摩擦力参数，并根据所述静摩擦力参数得到最终静态动力学模型；
[0012]将所述最终动态动力学模型与所述最终静态动力学模型进行结合，以得到完全零力控制模型，并根据所述完全零力控制模型，完成所述机器人的完全零力控制。
[0013]相比现有技术，本申请的有益效果为：本申请不用各个关节加装力矩传感器就能
实现克服重力的稳定拖拽效果，大大节约成本，能够很好的克服动静摩擦力达到轻松拖动机械臂的效果，提高工作效率和安全性，同时模型采用自适应滤波，只需数据递推而无需缓存，运算量小，响应速度快，且适用于各种产线、工厂环境，鲁棒性强，同时机器人的机械臂在任何姿态都可静止，保证一人就能完成拖拽示教，交互性更强更友好。
[0014]较佳的，所述对机器人进行动力学建模及动力学参数辨识，以得到所述机器人的动力学模型与动力学参数的步骤包括：
[0015]对机器人进行动力学建模，以得到所述机器人的动力学模型：
[0016]τ＝τ
f
+τ
d
；
[0017][0018]式中，τ为关节驱动力矩，τf为关节摩擦力矩，τd为关节动态力矩，q、式中，τ为关节驱动力矩，τf为关节摩擦力矩，τd为关节动态力矩，q、分别为关节角度、关节角速度、关节角加速度，D(q)为惯性项，为科式力及离心力项，G(q)为重力项；
[0019]将关节动态力矩τ
d
转化为线性分离形式：
[0020][0021]式中，P为惯性参数；
[0022]在所述动力学模型中引入Stribeck模型细化关节摩擦力矩τf：
[0023][0024]式中，为直线运动速度，F
f
为完整摩擦力，F
s
为最大静摩擦力，F
c
为库伦摩擦力，B
v
为粘滞摩擦系数，V
s
为Stribeck速度；
[0025]对所述机器人进行动力学参数辨识，以得到所述机器人的动力学参数：
[0026]p
d
＝[I
xx
，I
xy
，I
yy
，I
xz
，I
yz
，I
zz
，H
x
，H
y
，H
z
，m，F
f
]；
[0027]式中，I
xx
，I
xy
，I
yy
，I
xz
，I
yz
，I
xz
为机器人惯量矩阵I的六个参数，H
x
，H
y
，H
z
为质心向量，m为质量。
[0028]较佳的，所述根据所述动力学模型与所述动力学参数生成所述机器人的激励轨迹，并通过二次规划算法得到所述机器人的最优激励轨迹，控制所述机器人按照所述最优激励轨迹运动并采集运动数据的步骤包括：
[0029]根据所述动力学模型与所述动力学参数生成所述机器人的激励轨迹：
[0030][0031]式中，q
i
为关节转角，q
i0
为关节转角常量，i表示关节的第i轴，a
l
、b
l
为激励轨迹的常系数，ω
f
为激励轨迹的基频，ω
f
l表示第l阶的频率，N为阶数，t为采样时间；
[0032]通过二次规划算法并引入约束将得到最优激励轨迹的过程转化为非线性优化问题，所述非线性优化问题的目标函数为：
[0033]min f(X)；
[0034]s.t.g
u
(X)≤0(u＝1，2，...，p)；
[0035]h
v
(X)＝0(v＝1，2，...，m)；
[0036]式中，g
u
(X)为所述机器人的机械臂的实际角度、实际角速度、实际角加速度最大值的约束，h
v
(X)为在起始时间的初始值约束，f(X)为优化目标；
[0037]利用泰勒展开将所述非线性优化问题的目标函数在迭代点X
k
处简化为二次函数，
并将约束条件简化为线性函数，以得到二次规划问题的目标函数：
[0038][0039]s.t.
[0040][0041]式中，为微分算子，p、m分别为关节轴的数量，T为转置矩阵。
[0042]较佳的，在所述利用泰勒展开将非线性优化问题的目标函数在迭代点X
k
处简化为二次函数，并将约束条件简化为线性函数，以得到二次规划问题的目标函数的步骤之后，所述方法还包括：
[0043]令S＝X
‑
X<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人完全零力控制方法，其特征在于，所述方法包括：对机器人进行动力学建模及动力学参数辨识，以得到所述机器人的动力学模型与动力学参数；根据所述动力学模型与所述动力学参数生成所述机器人的激励轨迹，并通过二次规划算法得到所述机器人的最优激励轨迹，控制所述机器人按照所述最优激励轨迹运动并采集运动数据；对所述运动数据进行滤波处理，使用QR分解法进行参数辨识，并基于所述动力学模型构建初始动态动力学模型；采集所述机器人的重力参数及动摩擦力参数，并对所述重力参数与所述动摩擦力参数采用最小二乘法求解得到重力矩模型与动摩擦力模型，基于所述重力矩模型与所述动摩擦力模型得到最终动态动力学模型；采集所述机器人的静摩擦力参数，并根据所述静摩擦力参数得到最终静态动力学模型；将所述最终动态动力学模型与所述最终静态动力学模型进行结合，以得到完全零力控制模型，并根据所述完全零力控制模型，完成所述机器人的完全零力控制。2.根据权利要求1所述的机器人完全零力控制方法，其特征在于，所述对机器人进行动力学建模及动力学参数辨识，以得到所述机器人的动力学模型与动力学参数的步骤包括：对机器人进行动力学建模，以得到所述机器人的动力学模型：τ＝τ
f
+τ
d
；式中，τ为关节驱动力矩，τ
f
为关节摩擦力矩，τ
d
为关节动态力矩，q、为关节动态力矩，q、分别为关节角度、关节角速度、关节角加速度，D(q)为惯性项，为科式力及离心力项，G(q)为重力项；将关节动态力矩τ
d
转化为线性分离形式：式中，P为惯性参数；在所述动力学模型中引入Stribeck模型细化关节摩擦力矩τ
f
：式中，为直线运动速度，F
f
为完整摩擦力，F
s
为最大静摩擦力，F
c
为库伦摩擦力，B
v
为粘滞摩擦系数，V
s
为Stribeck速度；对所述机器人进行动力学参数辨识，以得到所述机器人的动力学参数：p
d
＝[I
xx
，I
xy
，I
yy
，I
xz
，I
yz
，I
zz
，H
x
，H
y
，H
z
，m，F
f
]；式中，I
xx
，I
xy
，I
yy
，I
xz
，I
yz
，I
zz
为机器人惯量矩阵I的六个参数，H
x
，H
y
，H
z
为质心向量，m为质量。3.根据权利要求1所述的机器人完全零力控制方法，其特征在于，所述根据所述动力学模型与所述动力学参数生成所述机器人的激励轨迹，并通过二次规划算法得到所述机器人的最优激励轨迹，控制所述机器人按照所述最优激励轨迹运动并采集运动数据的步骤包括：
根据所述动力学模型与所述动力学参数生成所述机器人的激励轨迹：式中，q
i
为关节转角，q
i0
为关节转角常量，i表示关节的第i轴，a
l
、b
l
为激励轨迹的常系数，ω
f
为激励轨迹的基频，ω
f
l表示第l阶的频率，N为阶数，t为采样时间；通过二次规划算法并引入约束将得到最优激励轨迹的过程转化为非线性优化问题，所述非线性优化问题的目标函数为：minf(X)；s.t.g
u
(X)≤0(u＝1，2，...，p)；h
v
(X)＝0(v＝1，2，...，m)；式中，g
u
(X)为所述机器人的机械臂的实际角度、实际角速度、实际角加速度最大值的约束，h
v
(X)为在起始时间的初始值约束，f(X)为优化目标；利用泰勒展开将所述非线性优化问题的目标函数在迭代点X
k
处简化为二次函数，并将约束条件简化为线性函数，以得到二次规划问题的目标函数：约束条件简化为线性函数，以得到二次规划问题的目标函数：约束条件简化为线性函数，以得到二次规划问题的目标函数：式中，为微分算子，p、m分别为关节轴的数量，T为转置矩阵。4.根据权利要求3所述的机器人完全零力控制方法，其特征在于，在所述利用泰勒展开将非线性优化问题的目标函数在迭代点X
k
处简化为二次函数，并将约束条件简化为线性函数，以得到二次规划问题的目标函数的步骤之后，所述方法还包括：令S＝X
‑
X
k
，将所述二次规划问题的目标函数转换为变量S的目标函数：，将所述二次规划问题的目标函数转换为变量S的目标函数：，将所述二次规划问题的目标函数转换为变量S的目标函数：式中，S为当前点与迭代点之间的差值，为微分算子；根据所述变量S的目标函数，令：根据所述变量S的目标函数，令：根据所述变量S的目标函数，令：根据所述变量S的目标函数，令：B
eq
＝[h1(X
k
)，h2(X
k
)，...，h
m
(X
k
)]
T
；B＝[g1(X
k
)，g2(X
k
)，...，g
p
(X
k
)]
T
；式中，H
k
、C为变量S的目标函数的二次型矩形和向量，A
eq
、B<...

【专利技术属性】
技术研发人员：聂志华，杨德宸，曹燕杰，赵迪，
申请(专利权)人：江西省智能产业技术创新研究院，
类型：发明
国别省市：