机器人动力学参数辨识方法、装置、终端设备及存储介质制造方法及图纸

本申请实施例适用于机器人技术领域，公开了一种机器人动力学参数辨识方法、装置、终端设备及计算机可读存储介质，其中，方法包括：通过牛顿欧拉法建立机器人的逆动力学模型；对逆动力学模型中进行系数提取操作，建立观察矩阵；根据预先生成的激励轨迹控制机器人的所有关节进行运动，记录机器人的所有关节的关节运动数据；根据关节运动数据、观察矩阵以及逆动力学模型，进行动力学参数辨识。本申请实施例通过将机器人看作一个整体进行动力学参数辨识，避免单关节辨识过程中的误差累积，提高了动力学参数的辨识精度。

Robot Dynamics Parameter Identification Method, Device, Terminal Equipment and Storage Medium

The embodiment of this application is applicable to the field of robotics technology, and discloses a method, device, terminal equipment and computer readable storage medium for identifying dynamic parameters of robots. The methods include: establishing inverse dynamics model of robots by Newton Euler method; extracting coefficients from inverse dynamics model to establish observation matrix; and according to the pre-generated excitation trajectory. All joints of the robot are controlled to move, and joint motion data of all joints of the robot are recorded. Dynamic parameters are identified according to joint motion data, observation matrix and inverse dynamic model. In the embodiment of this application, the robot is regarded as a whole to identify the dynamic parameters, thus avoiding the accumulation of errors in the process of single joint identification, and improving the identification accuracy of the dynamic parameters.

【技术实现步骤摘要】
机器人动力学参数辨识方法、装置、终端设备及存储介质
本申请属于机器人
，尤其涉及一种机器人动力学参数辨识方法、装置、终端设备及计算机可读存储介质。
技术介绍
动力学参数辨识是指通过获取机器人按照指令运动，并从编码器和伺服电机获得当前位置、速度、加速度和力矩等数据，根据这些数据反算关节或机器人的动力学模型的过程。目前，大多数的机器人动力学参数是通过单关节的运动来辨识的，即从最后一个关节开始辨识，然后逐渐往前推至第一个关节。但是，通过单关节的运动来辨识，会使得辨识过程中的误差会累积，造成每个关机辨识的精度都不一致，从而使得辨识精度较低。
技术实现思路
有鉴于此，本申请实施例提供一种机器人动力学参数辨识方法、装置、终端设备及计算机可读存储介质，以解决现有动力学参数辨识精度较低的问题。本申请实施例的第一方面提供一种机器人动力学参数辨识方法，包括：通过牛顿欧拉法建立机器人的逆动力学模型；对所述逆动力学模型中进行系数提取操作，建立观察矩阵；根据预先生成的激励轨迹控制所述机器人的所有关节进行运动，记录所述机器人的所有关节的关节运动数据；根据所述关节运动数据、所述观察矩阵以及所述逆动力学模型，进行动力学参数辨识。结合第一方面，在一种可行的实现方式中，在所述通过牛顿欧拉法建立机器人的逆动力学模型之前，还包括：通过傅里叶级数构建所述激励轨迹的表达式模型；根据所述表达式模型和所述观察矩阵，通过遗传算法生成所述激励轨迹。结合第一方面，在一种可行的实现方式中，所述根据所述表达式模型和所述观察矩阵，通过遗传算法生成所述激励轨迹，包括：以所述表达式模型中的正余弦振幅参数作为染色体，初始化生成第一预设数量组的染色体；将每一组所述目标染色体带入所述表达式模型，得到对应的目标关节运动数据；将每一组染色体对应的所述目标关节运动数据带入所述观察矩阵中，得到对应的观察矩阵；将各组染色体对应的观察矩阵进行拼接得到第一目标观察矩阵；根据所述第一目标观察矩阵，构建适应度函数；其中，所述适应度函数为n为采样点的总数量，和为采样到的速度和加速度，为所述目标观察矩阵，为的逆矩阵；根据所述适应度函数进行交叉和变异，经过第二预设数量代的繁殖，得到目标结果；从所述目标结果中选取符合预设条件的最优结果；将所述最优结果带入所述表达式模型，得到所述激励轨迹。结合第一方面，在一种可行的实现方式中，所述根据所述关节运动数据、所述观察矩阵以及所述逆动力学模型，进行动力学参数辨识，包括：去除所述观察矩阵中的线性列相关向量；将各组所述关节运动数据分别带入所述逆动力学模型，得到每一组关节运动数据的力矩矩阵；将各组所述关节运动数据带入所述去除线性相关列向量后的观察矩阵，得到每一组关节运动数据的观察矩阵；分别将每一组关节运动数据对应的力矩矩阵和观察矩阵进行拼接，得到列向量形式的力矩矩阵和第二目标观察矩阵；根据所述逆动力学模型、所述力矩矩阵以及所述第二目标观察矩阵，通过最小二乘法计算出动力学参数。结合第一方面，在一种可行的实现方式中，所述根据预先生成的激励轨迹控制所述机器人的所有关节进行运动，记录所述机器人的所有关节的关节运动数据，包括：根据所述激励轨迹和初始时刻，获得初始时刻的关节位置；根据所述激励轨迹和各个预先设定的时间参数，依次记录每个时刻所述关节的实际位置参数、速度参数、加速度参数以及力矩数据。本申请实施例的第二方面提供一种机器人动力学参数辨识装置，包括：逆动力学模型构建模块，用于通过牛顿欧拉法建立机器人的逆动力学模型；观察矩阵建立模块，用于对所述逆动力学模型中进行系数提取操作，建立观察矩阵；关节运动数据记录模块，用于根据预先生成的激励轨迹控制所述机器人的所有关节进行运动，记录所述机器人的所有关节的关节运动数据；辨识模块，用于根据所述关节运动数据、所述观察矩阵以及所述逆动力学模型，进行动力学参数辨识。结合第二方面，在一种可行的实现方式中，还包括：表达式模型构建模块，用于通过傅里叶级数构建所述激励轨迹的表达式模型；激励轨迹生成模块，用于根据所述表达式模型和所述观察矩阵，通过遗传算法生成所述激励轨迹。结合第二方面，在一种可行的实现方式中，所述激励轨迹生成模块包括：初始化单元，用于以所述表达式模型中的正余弦振幅参数作为染色体，初始化生成第一预设数量组的染色体；第一计算单元，用于将每一组所述目标染色体带入所述表达式模型，得到对应的目标关节运动数据；第二计算单元，用于将每一组染色体对应的所述目标关节运动数据带入所述观察矩阵中，得到对应的观察矩阵；第一拼接单元，用于将各组染色体对应的观察矩阵进行拼接得到第一目标观察矩阵；适应度函数构建单元，用于根据所述第一目标观察矩阵，构建适应度函数；其中，所述适应度函数为n为采样点的总数量，和为采样到的速度和加速度，为所述目标观察矩阵，为的逆矩阵；交叉变异单元，用于根据所述适应度函数进行交叉和变异，经过第二预设数量代的繁殖，得到目标结果；最优结果选取单元，用于从所述目标结果中选取符合预设条件的最优结果；生成单元，用于将所述最优结果带入所述表达式模型，得到所述激励轨迹。结合第二方面，在一种可行的实现方式中，所述辨识模块包括：去除单元，用于去除所述观察矩阵中的线性列相关向量；第三计算单元，用于将各组所述关节运动数据分别带入所述逆动力学模型，得到每一组关节运动数据的力矩矩阵；第四计算单元，用于将各组所述关节运动数据带入所述去除线性相关列向量后的观察矩阵，得到每一组关节运动数据的观察矩阵；第二拼接单元，用于分别将每一组关节运动数据对应的力矩矩阵和观察矩阵进行拼接，得到列向量形式的力矩矩阵和第二目标观察矩阵；最小二乘法单元，用于根据所述逆动力学模型、所述力矩矩阵以及所述第二目标观察矩阵，通过最小二乘法计算出动力学参数。结合第二方面，在一种可行的实现方式中，所述关节运动数据记录模块包括：初始位置获取单元，用于根据所述激励轨迹和初始时刻，获得初始时刻的关节位置；记录单元，用于根据所述激励轨迹和各个预先设定的时间参数，依次记录每个时刻所述关节的实际位置参数、速度参数、加速度参数以及力矩数据。本申请实施例的第三方面提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面任一项所述机器人动力学参数辨识方法的步骤。本申请实施例的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面任一项所述机器人动力学参数辨识方法的步骤。本申请实施例与现有技术相比存在的有益效果是：本申请实施例通过激励轨迹让机器人的所有关节一起运动，记录全部关节的运动参数，即将机器人看作一个整体，进行动力学参数辨识，避免了单关节辨识过程中的误差累积，提高了动力学参数的辨识精度。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种机器人动力学参数辨识方法的流程示意框图；图2为本申请实施例提供的辨识过程的流程示意框图本文档来自技高网...

【技术保护点】
1.一种机器人动力学参数辨识方法，其特征在于，包括：通过牛顿欧拉法建立机器人的逆动力学模型；对所述逆动力学模型中进行系数提取操作，建立观察矩阵；根据预先生成的激励轨迹控制所述机器人的所有关节进行运动，记录所述机器人的所有关节的关节运动数据；根据所述关节运动数据、所述观察矩阵以及所述逆动力学模型，进行动力学参数辨识。

【技术特征摘要】
1.一种机器人动力学参数辨识方法，其特征在于，包括：通过牛顿欧拉法建立机器人的逆动力学模型；对所述逆动力学模型中进行系数提取操作，建立观察矩阵；根据预先生成的激励轨迹控制所述机器人的所有关节进行运动，记录所述机器人的所有关节的关节运动数据；根据所述关节运动数据、所述观察矩阵以及所述逆动力学模型，进行动力学参数辨识。2.根据权利要求1所述的机器人动力学参数辨识方法，其特征在于，在所述通过牛顿欧拉法建立机器人的逆动力学模型之前，还包括：通过傅里叶级数构建所述激励轨迹的表达式模型；根据所述表达式模型和所述观察矩阵，通过遗传算法生成所述激励轨迹。3.根据权利要求2所述的机器人动力学参数辨识方法，其特征在于，所述根据所述表达式模型和所述观察矩阵，通过遗传算法生成所述激励轨迹，包括：以所述表达式模型中的正余弦振幅参数作为染色体，初始化生成第一预设数量组的染色体；将每一组所述目标染色体带入所述表达式模型，得到对应的目标关节运动数据；将每一组染色体对应的所述目标关节运动数据带入所述观察矩阵中，得到对应的观察矩阵；将各组染色体对应的观察矩阵进行拼接得到第一目标观察矩阵；根据所述第一目标观察矩阵，构建适应度函数；其中，所述适应度函数为n为采样点的总数量，和为采样到的速度和加速度，为所述目标观察矩阵，为的逆矩阵；根据所述适应度函数进行交叉和变异，经过第二预设数量代的繁殖，得到目标结果；从所述目标结果中选取符合预设条件的最优结果；将所述最优结果带入所述表达式模型，得到所述激励轨迹。4.根据权利要求1至3任一项所述的机器人动力学参数辨识方法，其特征在于，所述根据所述关节运动数据、所述观察矩阵以及所述逆动力学模型，进行动力学参数辨识，包括：去除所述观察矩阵中的线性列相关向量；将各组所述关节运动数据分别带入所述逆动力学模型，得到每一组关节运动数据的力矩矩阵；将各组所述关节运动数据带入所述去除线性相关列向量后的观察矩阵，得到每一组关节运动数据的观察矩阵；分别将每一组关节运动数据对应的力矩矩阵和观察矩阵进行拼接，得到列向量形式的力矩矩阵和第二目标观察矩阵；根据所述逆动力学模型、所述力矩矩阵以及所述第二目标观察矩阵，通过最小二乘法计算出动力学参数。5.根据权利要求4所述的机器人动力学参数辨识方法，其特征在于，所述根据预先生成的激励轨迹控制所述机器人的所有关节进行运动，记录所述机器人的所有关节的关节运动数据，...

【专利技术属性】
技术研发人员：刘培超，黄睿，朗需林，林炯辉，曹林攀，
申请(专利权)人：深圳市越疆科技有限公司，
类型：发明
国别省市：广东,44