本申请公开了一种基于迭代优化的动力学辨识方法及装置，温度相同运行速度不同的情况下运行无负载关节模块，获得关节角速度摩擦力模型。温度不同恒定速度的情况下运行无负载关节模块，获得关节温度摩擦力模型。温度和运行速度相同的情况，将负载关节模块运行至不同位置，获得关节负载摩擦力模型。对关节角速度摩擦力模型、关节温度摩擦力模型和关节负载摩擦力模型进行求和处理，获得关节整体摩擦力模型。根据动力学模型的线性化辨识参数值和约束算法对整体摩擦力模型的系数进行求解，将线性化辨识参数值和求解得到的系数值确定为动力学模型的辨识参数值，通过控制变量方法得到的整体摩擦力模型通用性强，提升了动力学模型精度。度。度。
【技术实现步骤摘要】
一种基于迭代优化的动力学辨识方法及装置
[0001]本申请涉及机器人动力学
，尤其涉及一种基于迭代优化的动力学辨识方法及装置。
技术介绍
[0002]动力学是实现机器人进行基于模型的控制、碰撞测试以及柔顺控制等试验的基础，动力学中的参数通常是在设计机器人的软件中得到的，但是在机器人的使用过程中，存在加工误差、组装偏差以及磨损损耗等问题，因此从软件中获取的动力学参数并不等于实际过程中机器人的动力学参数，从而需要对机器人的动力学参数进行辨识。
[0003]现有的动力学辨识方法中，采用迭代重加权最小二乘算法IRLS进行动力学参数辨识，但是传统的IRLS算法只考虑了与关节速度呈线性/非线性相关的关节摩擦力模型，忽略了关节温度、关节负载对于关节摩擦力大小的影响，因此使得IRLS算法在实际过程中无法适用于关节温度变化明显以及加装负载的机器人，通用性较差。
技术实现思路
[0004]有鉴于此，本申请实施例提供了一种基于迭代优化的动力学辨识方法及装置，旨在提升机器人的动力学模型精度。
[0005]第一方面，本申请实施例提供了一种基于迭代优化的动力学辨识方法，所述方法包括：
[0006]在温度相同的情况下，通过不同的运行速度运行无负载关节模块，对所述无负载关节模块的关节速度数据和所述无负载关节模块的第一关节电流数据进行拟合，获得关节角速度摩擦力模型；
[0007]在所述温度不同的情况下，通过恒定速度运行所述无负载关节模块，对所述无负载关节模块的关节温度数据和所述无负载关节模块的第二关节电流数据进行拟合，获得关节温度摩擦力模型；
[0008]在所述温度和所述运行速度相同的情况下，将负载关节模块运行至不同位置，对所述负载关节模块的关节电流数据和预设负载进行拟合，获得关节负载摩擦力模型；
[0009]对所述关节角速度摩擦力模型、所述关节温度摩擦力模型和所述关节负载摩擦力模型进行求和处理，获得关节整体摩擦力模型；
[0010]根据动力学模型的线性化辨识参数值和约束优化算法对所述关节整体摩擦力模型的系数进行求解，获得所述关节整体摩擦力模型的系数值；
[0011]将所述动力学模型的线性化辨识参数值和所述关节整体摩擦力模型的系数值确定为所述动力学模型的辨识参数值。
[0012]可选地，所述动力学模型的线性化辨识参数值可以通过如下步骤获得：
[0013]对动力学模型进行线性化处理，获得观测响应向量和观测矩阵；
[0014]对所述观测响应向量和所述观测矩阵进行归一化处理和迭代加权处理，获得所述
动力学模型的线性化辨识参数值。
[0015]可选地，所述对动力学模型进行线性化处理，获得观测响应向量和观测矩阵之前，还包括：
[0016]对所述关节整体摩擦力模型、惯性矩阵、科式力
‑
离心力矩阵和重力向量进行求和处理获得所述动力学模型。
[0017]可选地，所述对动力学模型进行线性化处理，获得观测响应向量和观测矩阵，包括：
[0018]将所述动力学模型进行线性化和矩阵奇异值分解，获得所述观测响应向量和所述观测矩阵。
[0019]可选地，所述对所述观测响应向量和所述观测矩阵进行归一化处理和迭代加权处理，获得动力学模型的线性化辨识参数值包括：
[0020]根据所述动力学模型的协方差矩阵对所述观测响应向量进行归一化处理，获得归一化响应向量；
[0021]根据所述动力学模型的协方差矩阵对所述观测矩阵进行归一化处理，获得归一化回归矩阵；
[0022]根据所述归一化响应向量和迭代权重向量进行迭代加权处理，获得加权响应向量；
[0023]根据所述归一化回归矩阵和迭代权重向量的扩展矩阵进行迭代加权处理，获得加权回归矩阵；
[0024]根据所述加权回归矩阵、所述加权响应向量、归一化误差和所述动力学模型的线性化辨识参数的对应关系，获得动力学方程；
[0025]通过求解线性回归方程算法对所述动力学方程进行求解，获得所述动力学模型的线性化辨识参数值。
[0026]可选地，所述根据所述动力学模型的线性化辨识参数值和约束优化算法对所述关节整体摩擦力模型的系数进行求解，获得所述关节整体摩擦力模型的系数值，包括：
[0027]对所述观测响应向量、加权回归矩阵和所述动力学模型的线性化辨识参数值进行求差处理，获得所述关节整体摩擦力模型的摩擦力力矩；
[0028]根据所述关节整体摩擦力模型的摩擦力力矩、所述关节整体摩擦力模型计算得到的估计值和所述约束优化算法对所述关节整体摩擦力模型的系数进行求解，获得所述关节整体摩擦力模型的系数值。
[0029]可选地，所述关节整体摩擦力模型的系数包括所述关节角速度摩擦力模型的系数、所述关节温度摩擦力模型的系数和所述关节负载摩擦力模型的系数。
[0030]第二方面，本申请实施例提供了一种基于迭代优化的动力学辨识装置，所述装置包括：
[0031]第一获得模块，用于在温度相同的情况下，通过不同的运行速度运行无负载关节模块，对所述无负载关节模块的关节速度数据和所述无负载关节模块的第一关节电流数据进行拟合，获得关节角速度摩擦力模型；
[0032]第二获得模块，用于在所述温度不同的情况下，通过恒定速度运行所述无负载关节模块，对所述无负载关节模块的关节温度数据和所述无负载关节模块的第二关节电流数
据进行拟合，获得关节温度摩擦力模型；
[0033]第三获得模块，用于在所述温度和所述运行速度相同的情况下，将负载关节模块运行至不同位置，对所述负载关节模块的关节电流数据和预设负载进行拟合，获得关节负载摩擦力模型；
[0034]第四获得模块，用于对所述关节角速度摩擦力模型、所述关节温度摩擦力模型和所述关节负载摩擦力模型进行求和处理，获得关节整体摩擦力模型；
[0035]求解模块，用于根据动力学模型的线性化辨识参数值和约束优化算法对所述关节整体摩擦力模型的系数进行求解，获得所述关节整体摩擦力模型的系数值；
[0036]第五获得模块，用于将所述动力学模型的线性化辨识参数值和所述关节整体摩擦力模型的系数值确定为所述动力学模型的辨识参数值。
[0037]第三方面，本申请实施例提供了一种基于迭代优化的动力学辨识设备，所述设备包括：
[0038]存储器，用于存储计算机程序；
[0039]处理器，用于执行所述计算机程序，以使所述设备执行前述第一方面所述的基于迭代优化的动力学辨识方法。
[0040]第四方面，本申请实施例提供了一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序，当所述计算机程序被运行时，运行所述计算机程序的设备实现前述第一方面所述的基于迭代优化的动力学辨识方法。
[0041]相较于现有技术，本申请实施例具有以下有益效果：
[0042]本申请实施例提供了一种基于迭代优化的动力学辨识方法及装置，首先，在温度相同的情况下，通过不同的运行速度运行无负载关节本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于迭代优化的动力学辨识方法，其特征在于，所述方法包括：在温度相同的情况下，通过不同的运行速度运行无负载关节模块，对所述无负载关节模块的关节速度数据和所述无负载关节模块的第一关节电流数据进行拟合，获得关节角速度摩擦力模型；在所述温度不同的情况下，通过恒定速度运行所述无负载关节模块，对所述无负载关节模块的关节温度数据和所述无负载关节模块的第二关节电流数据进行拟合，获得关节温度摩擦力模型；在所述温度和所述运行速度相同的情况下，将负载关节模块运行至不同位置，对所述负载关节模块的关节电流数据和预设负载进行拟合，获得关节负载摩擦力模型；对所述关节角速度摩擦力模型、所述关节温度摩擦力模型和所述关节负载摩擦力模型进行求和处理，获得关节整体摩擦力模型；根据动力学模型的线性化辨识参数值和约束优化算法对所述关节整体摩擦力模型的系数进行求解，获得所述关节整体摩擦力模型的系数值；将所述动力学模型的线性化辨识参数值和所述关节整体摩擦力模型的系数值确定为所述动力学模型的辨识参数值。2.根据权利要求1所述的方法，其特征在于，所述动力学模型的线性化辨识参数值可以通过如下步骤获得：对动力学模型进行线性化处理，获得观测响应向量和观测矩阵；对所述观测响应向量和所述观测矩阵进行归一化处理和迭代加权处理，获得所述动力学模型的线性化辨识参数值。3.根据权利要求2所述的方法，其特征在于，所述对动力学模型进行线性化处理，获得观测响应向量和观测矩阵之前，还包括：对所述关节整体摩擦力模型、惯性矩阵、科式力
‑
离心力矩阵和重力向量进行求和处理获得所述动力学模型。4.根据权利要求2或3所述的方法，其特征在于，所述对动力学模型进行线性化处理，获得观测响应向量和观测矩阵，包括：将所述动力学模型进行线性化和矩阵奇异值分解，获得所述观测响应向量和所述观测矩阵。5.根据权利要求2所述的方法，其特征在于，所述对所述观测响应向量和所述观测矩阵进行归一化处理和迭代加权处理，获得动力学模型的线性化辨识参数值包括：根据所述动力学模型的协方差矩阵对所述观测响应向量进行归一化处理，获得归一化响应向量；根据所述动力学模型的协方差矩阵对所述观测矩阵进行归一化处理，获得归一化回归矩阵；根据所述归一化响应向量和迭代权重向量进行迭代加权处理，获得加权响应向量；根据所述归一化回归矩阵和迭代权重向量的扩展矩阵进行迭代加权处理，获得加权回归矩阵；根据所述加权回归矩阵、所述加权响应向量、归一化误差和所述动力学模型的线性化辨识参数的对应关系，...
【专利技术属性】
技术研发人员：李泽宇，魏洪兴，崔元洋，刘刚，
申请(专利权)人：遨博北京智能科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。