Six degrees of freedom manipulator dynamic model identification method, firstly by using Newton improved Euler method, a linear dynamic model of manipulator joint friction is considered, then the introduction of PSO algorithm, and use the concept of variation in the genetic algorithm is proposed to estimate the unknown parameters of the algorithm based on improved PSO algorithm, and finally to UR for industrial robot the experimental object, through the design of incentive incentive path, industrial robot joint movement, and the movement parameters of the joints were sampled, realize the kinetic parameters of UR industrial robot estimates, and according to the torque prediction accuracy of dynamic model validation. The experiment proves the accuracy and effectiveness of the industrial robot dynamic model identified by the invention.
【技术实现步骤摘要】
六自由度机械臂动力学模型辨识方法
本专利技术涉及一种机器人机械臂动力学模型辨识方法。
技术介绍
近年来,工业机器人已被广泛应用于工业生产的各个领域,特别是在造船,汽车和航空制造业。随着计算机计算能力的不断提升和计算成本的下降,应用于机器人的先进控制技术变得更加可行。然而,机械臂动力学模型中包含一些未知的参数,许多机器人控制方法依赖于这些未知的值,尤其是在高速运动情况下。因此动力学参数辨识方法对基于模型的控制方法的发展具有重要的意义。目前,一个标准的机械臂动力学辨识过程包括动力学建模、激励轨迹设计、数据采集、参数辨识和模型验证,但其中针对机械臂动力学参数辨识的研究较少。张铁、覃彬彬提出了一种六自由度机器人末端动力学参数辨识装置及方法(张铁.一种六自由度机器人末端负载动力学参数辨识装置及方法:中国,106346513[P].2017-01-25),公开了一种六自由度机器人末端负载动力学参数辨识方法,其专利技术采用了优化的激励轨迹进行数据采样,以拉格朗日方程建立动力学模型,采用带权最小二乘法求解辨识参数,但是其实时性较差,不适宜处理大规模的参数辨识问题;Gautier和Poignet通过加权最小二乘法从实验数据中得出了SCARA机器人的动力学模型(GautierM,PoignetP.ExtendedKalmanfilteringandweightedleastsquaresdynamicidentificationofrobot.ControlEngineeringPractice,2001,9(12):1361-1372),但是其在处理复杂的参数辨识问题时不够 ...
【技术保护点】
六自由度机械臂动力学模型辨识方法,,具体步骤如下:步骤1:建立机器人机械臂的动力学模型方程;首先,对于一个6自由度机械臂,通过牛顿‑欧拉方法可以推导得出其动力学模型:
【技术特征摘要】
1.六自由度机械臂动力学模型辨识方法,,具体步骤如下:步骤1:建立机器人机械臂的动力学模型方程;首先,对于一个6自由度机械臂,通过牛顿-欧拉方法可以推导得出其动力学模型:其中,τ=(τ1,τ2,...,τn)为机械臂的驱动力矩向量,n表示机械臂关节自由度个数,τi表示第i个关节的驱动力矩,q,是三组n×1维向量,分别表示关节位置,关节速度和关节加速度,D(q)是一个与位形相关的n×n的矩阵,被称为惯性矩阵,对于任何机械臂来讲,它的惯性矩阵是对称且正定的,为科氏力及离心力项,g(q)为重力项,只取决于机器人的位姿,是静态量;然后,根据改进的牛顿-欧拉动力学模型,其动力学模型可以被改写成其中Φ是一个n×10n的观测矩阵,只跟机械臂关节运动数据有关,p是机械臂惯性参数向量,p=[p1,p2,...,pn]T,pi是连杆i的惯性参数向量:pi=[Ixxi,Ixyi,Ixzi,Iyyi,Iyzi,Izzi,mrxi,mryi,mrzi,mi]T,其中Ixxi,Ixyi,Ixzi,Iyyi,Iyzi,Izzi为连杆i惯性矩阵Ici的6个参数,mrxi,mryi,mrzi表示连杆i的一阶质量矩,mi是连杆i的质量;pi的前9个量均包含在D(q)和项内,mi包含在g(q)中;步骤2:确定所需辨识的动力学参数;本说明确定辨识参数采用的方法是线性摩擦模型:其中τf为摩擦力矩,fc为库伦摩擦系数,fv为粘性摩擦系数,为符号函数,满足考虑摩擦的动力学参数可写成向量的形式:pdyn=[pdyn1,pdyn2,...,pdynn]T,其中pdyni=[Ixxi,Ixyi,Ixzi,Iyyi,Iyzi,Izzi,mrxi,mryi,mrzi,mi,fci],i=1,...,n,pdyn就是动力学参数辨识的辨识对象,每个关节均包含10个机械臂惯性参数及2个摩擦参数;根据修改后的牛顿-欧拉参数,改进的机械臂的动力学方程可以改写成动力学参数pdyn的线性函数:其中Φdyn是一个n×12n的观测矩阵,从而可以确定所辨识的动力学参数;步骤3:对比其它动力学辨识算法,提出了基于改进的PSO算法的动力学模型辨识方法;其实现的详细过程如下:首先,随机初始化h个粒子群体,并根据所需辨识的械臂动力学模型参数个数设置粒子的维数,再在动力学参数取值范围内随机初始化粒子的起始位置和速度,初始化的各个粒子构成机械臂动力学参数的初始候选解集gbest以及pjbest,其中,gBest表示整个粒子群找到的全局最优值,pjBest表示每个粒子本身所找到的最优解;其次,粒子群更新自身的速度和位置;接着,根据式得到变异的粒子群y(t),其中,xjk,yjk表示第j个粒子的第k维元素,rk是粒子第k维元素取值范围内的随机数,rand()是(0,1]之间的随机数,R∈(0,1]是变异概率,再在变异的粒子群中选取有利的变异,对粒子群x(t)进行变异操作,并且根据适应度函数对当前粒子群中每个个体与pjbest进行适应度比较...
【专利技术属性】
技术研发人员:禹鑫燚,詹益安,欧林林,王正安,洪学劲峰,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江,33
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。