机器人末端负载质量辨识方法、计算机设备及存储介质技术

本申请提供一种机器人末端负载质量辨识方法、计算机设备及存储介质，辨识方法包括：建立机器人的三轴动力学模型；选取预设阶傅里叶级数作为机器人的关节激励轨迹形式；根据机器人的参数极限值、回归矩阵以及遗传算法求解机器人的关节激励轨迹；按照激励轨迹驱动机器人的三轴运动，并采集第三关节电机的角位移数据和电流数据；对角位移数据和电流数据进行处理得到第三关节电机的参数；将参数带入所述三轴动力学模型，计算三轴动力学模型中的辨识参数；按照激励轨迹驱动带第一负载的机器人的三轴运动，根据辨识参数计算机器人末端第一负载质量。本申请的机器人末端负载质量辨识方法的精度高、鲁棒性好、识别效率高只需一次辨识即可获得负载质量。可获得负载质量。可获得负载质量。

【技术实现步骤摘要】
机器人末端负载质量辨识方法、计算机设备及存储介质


[0001]本申请涉及机器人动力学参数辨识
，尤其涉及一种机器人末端负载质量辨识方法、计算机设备及存储介质。

技术介绍

[0002]当前，锂电行业规模迅速扩大，为适应动力电池电芯搬运、汽车零部件等更多行业应用场景的需求，各工业机器人厂商相继研发可携带更大负载的四六轴机器人。重载型机器人带载范围广，负载与本体质量比大，不同质量的负载给机器人造成的影响差异极大，为满足机器人高速高精度要求，实际控制参数需要根据负载范围进行调整。因此，负载质量的精确辨识是机器人在各场景下均能实现优良控制的前提保证。此外，对于负载差异较大的情形，机器人的模型可能需要进行改变，对于多关节联合运动下的全辨识，需要根据负载范围选择合适的激励轨迹，以避免电流过高报警，而负载质量辨识则可为这部分工作提供数据指导。现有的机器人负载质量辨识方法主要有CAD模型法、基于力传感器的测量方法以及整体辨识法。
[0003]但现有的机器人负载质量辨识方法存在如下问题：
[0004]1、需要多轴联动，运动空间大，不利于在狭小的工作现场使用；
[0005]2、机器人出厂后，在客户现场需要多次辨识，效率低下
’
[0006]3、动力学模型复杂，需要引入耦合惯性力矩、离心力矩、科氏力矩等。
[0007]如此，需要一种低成本、易操作、精度高、实用性好的机器人末端负载质量辨识方法，为后续控制方法提供数据指导。

技术实现思路

[0008]本申请实施例的目的在于提出一种机器人末端负载质量辨识方法、计算机设备及存储介质，能够解决现有技术中机器人负载质量辨识方法存在需要多轴联动、空间大、效率低、动力学模型复杂等问题。
[0009]为了解决上述技术问题，本申请实施例提供一种机器人末端负载质量辨识方法，所述辨识方法包括：建立所述机器人的三轴动力学模型；选取预设阶傅里叶级数作为所述机器人的关节激励轨迹形式；根据所述机器人的参数极限值、回归矩阵以及遗传算法求解所述机器人的关节激励轨迹；按照所述激励轨迹驱动所述机器人的三轴运动，并采集第三关节电机的角位移数据和电流数据；对所述角位移数据和电流数据进行处理得到所述第三关节电机的参数；将所述参数带入所述三轴动力学模型，计算所述三轴动力学模型中的辨识参数；按照所述激励轨迹驱动带第一负载的所述机器人的三轴运动，根据所述辨识参数计算所述机器人末端第一负载质量。
[0010]其中，所述根据所述机器人的参数极限值、回归矩阵以及遗传算法求解所述机器人的关节激励轨迹，进一步包括：获取所述机器人的角度限位值、速度极限值和加速度极限值对所述激励轨迹的位置、速度以及加速度进行约束，其中，所述激励轨迹的位置的最大值
大于所述机器人极限位置的预设倍数；将回归矩阵的条件数作为优化目标，通过所述遗传算法计算出所述激励轨迹的傅里叶级数形式的系数；将优化得到的所述系数带入所述激励轨迹形式中得到所述激励轨迹。
[0011]其中，所述对所述角位移数据和电流数据进行处理得到所述第三关节电机的参数，进一步包括：将所述角位移数据通过中心差分计算并滤波得到去噪后的速度和加速度；对所述电流数据进行滤波去噪，并计算所述第三关节电机的力矩。
[0012]其中，所述将所述参数带入所述三轴动力学模型，计算所述三轴动力学模型中的辨识参数，进一步包括：将所述速度、所述加速度以及所述力矩带入所述三轴动力学模型；利用最小二乘法计算库伦摩擦系数、粘性摩擦系数、等效惯量以及第一多变量式。
[0013]其中，所述建立所述机器人的三轴动力学模型，进一步包括：分别获取上升和下降时电机轴换算的第一负载转矩和第二负载转矩；将第一负载转矩和第二负载转矩合并得到第三负载转矩；根据所述第三负载转矩得到所述机器人的三轴动力学模型；对所述三轴动力学模型进行同类项合并得到经过变量代换后的所述三轴动力学模型。
[0014]其中，所述第二负载转矩、所述第三负载转矩以及三轴动力学模型分别为：所述第一负载转矩为：
[0015][0016]所述第二负载转矩为：
[0017][0018]所述第三负载转矩为：
[0019][0020]其中，η为传动效率，u为摩擦系数，W为丝杆质量，m
load
为负载质量，P为丝杆螺距，G为所述丝杆减速比，F为外力；
[0021]所述三轴动力学模型为：
[0022][0023]经过变量代换后的所述三轴动力学模型为：
[0024][0025]其中，τ3表示所述三轴电机的输出力矩，f
c3
为库伦摩擦系数，f
v3
为所述粘性摩擦系数，为所述电机的加速度，为所述电机的速度，p1为所述等效惯量，p2为所述第一多变量式。
[0026]其中，所述按照所述激励轨迹驱动带第一负载的所述机器人的三轴运动，根据所述动力学参数计算所述机器人末端的第一负载质量，进一步包括：按照所述激励轨迹驱动带第一负载的所述机器人的三轴运动；计算所述带第一负载的机器人当前的速度、加速度以及力矩；根据所述速度、加速度以及力矩得到所述三轴动力学模型中的第二多变量式；根据所述第二多变量式及丝杆理论质量计算得到所述机器人末端所述第一负载质量。
[0027]其中，所述按照所述激励轨迹驱动带第一负载的所述机器人的三轴运动，根据所述辨识参数计算所述机器人末端的负载质量之后，进一步包括：按照所述激励轨迹驱动带第二负载的所述机器人的三轴运动；计算所述带第二负载的所述机器人当前的速度、加速度以及力矩；根据所述速度、加速度以及力矩得到所述三轴动力学模型中的第三多变量式；根据所述第二多变量式、第三多变量式及第一负载的质量计算丝杆质量；根据所述丝杠质量及所述第二多变量式计算所述第二负载的质量。
[0028]为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上述任一项所述的机器人末端负载质量辨识方法的步骤。
[0029]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述所述的机器人末端负载质量辨识方法的步骤。
[0030]与现有技术相比，本申请实施例主要有以下有益效果：
[0031]本申请提供一种机器人末端负载质量辨识方法、计算机设备及存储介质，通过提出新的机器人的第三轴动力学模型，具备如下有益效果：
[0032]1、机器人末端负载识别过程只需要小范围运动，单个轴且单次辨识运动就可辨识SCARA机器人末端负载质量的方法；
[0033]2、无需通过传统拉格朗日法或欧拉法建立复杂动力学模型，且选择电机端进行计算，避免了电机
‑
减速机
‑
皮带
‑
丝杆之间的效率等其他因素造成的影响，同时将丝杆的上下运动模型整合为一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人末端负载质量辨识方法，其特征在于，所述辨识方法包括：建立所述机器人的三轴动力学模型；选取预设阶傅里叶级数作为所述机器人的关节激励轨迹形式；根据所述机器人的参数极限值、回归矩阵以及遗传算法求解所述机器人的关节激励轨迹；按照所述激励轨迹驱动所述机器人的三轴运动，并采集第三关节电机的角位移数据和电流数据；对所述角位移数据和电流数据进行处理得到所述第三关节电机的参数；将所述参数带入所述三轴动力学模型，计算所述三轴动力学模型中的辨识参数；按照所述激励轨迹驱动带第一负载的所述机器人的三轴运动，根据所述辨识参数计算所述机器人末端第一负载质量。2.根据权利要求1所述的辨识方法，其特征在于，所述根据所述机器人的参数极限值、回归矩阵以及遗传算法求解所述机器人的关节激励轨迹，进一步包括：获取所述机器人的角度限位值、速度极限值和加速度极限值对所述激励轨迹的位置、速度以及加速度进行约束，其中，所述激励轨迹的位置的最大值大于所述机器人极限位置的预设倍数；将回归矩阵的条件数作为优化目标，通过所述遗传算法计算出所述激励轨迹的傅里叶级数形式的系数；将优化得到的所述系数带入所述激励轨迹形式中得到所述激励轨迹。3.根据权利要求1所述的辨识方法，其特征在于，所述对所述角位移数据和电流数据进行处理得到所述第三关节电机的参数，进一步包括：将所述角位移数据通过中心差分计算并滤波得到去噪后的速度和加速度；对所述电流数据进行滤波去噪，并计算所述第三关节电机的力矩。4.根据权利要求3所述的辨识方法，其特征在于，所述将所述参数带入所述三轴动力学模型，计算所述三轴动力学模型中的辨识参数，进一步包括：将所述速度、所述加速度以及所述力矩带入所述三轴动力学模型；利用最小二乘法计算库伦摩擦系数、粘性摩擦系数、等效惯量以及第一多变量式。5.根据权利要求4所述的辨识方法，其特征在于，所述建立所述机器人的三轴动力学模型，进一步包括：分别获取上升和下降时电机轴换算的第一负载转矩和第二负载转矩；将第一负载转矩和第二负载转矩合并得到第三负载转矩；根据所述第三负载转矩得到所述机器人的三轴动力学模型；对所述三轴动力学模型进行同类项合并得到经过变量代换后的所述三轴动力学模型。6.根据权利要求5所...

【专利技术属性】
技术研发人员：郭晓彬，黄旭超，黄均标，崔永强，黄国辉，
申请(专利权)人：深圳众为兴技术股份有限公司，
类型：发明
国别省市：