六自由度机械臂动力学模型辨识方法技术

六自由度机械臂动力学模型辨识方法，首先利用改进的牛顿‑欧拉方法，建立考虑关节摩擦的机械臂线性动力学模型，然后引入PSO算法，同时借鉴遗传算法中变异的概念，建立了基于改进PSO算法的估计未知动力学参数的算法，最后以UR工业机器人为实验对象，通过设计激励轨迹，激励工业机器人关节运动，并对关节运动参数进行采样，实现UR工业机器人的动力学参数估计，并根据力矩预测精度验证动力学模型。实验证明了本发明专利技术所辨识的工业机器人动力学模型的准确性和有效性。

A dynamic model identification method for six degrees of freedom manipulator

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精确实时。Behzad等采用分子阶子空间方法在仿真中辨识了机器人模型(BredereckH,M.Robotidentificationusingfractionalsubspacemethod.In:Proceedingofthe2ndInternationalConferenceonSingapore,2011:1193-1199)，但是其结构复杂，参数辨识效果并不是很理想。最近，一些人工智能算法被应用于机器人参数辨识领域，比如采用遗传算法确定自主水下机器人的参数。然而，在处理复杂和大规模的参数辨识问题时，遗传算法容易陷入局部最优。
技术实现思路
本专利技术要克服现有技术的上述缺点，利用粒子群优化算法易于实现，同时在处理复杂和大规模的参数辨识问题时不易陷入局部最优的优点，提出了一种基于改进的粒子群优化(particleswarmoptimization,PSO)算法的工业机器人动力学参数辨识方法，其克服了遗传算法在处理复杂和大规模的参数辨识问题时容易陷入局部最优的缺点，并利用了它们优点。本专利技术具体流程如下：首先利用改进的牛顿-欧拉方法，建立考虑关节摩擦的机械臂线性动力学模型，然后引入PSO算法，建立了基于改进PSO算法的估计未知动力学参数的算法，最后以UR工业机器人为实验对象，通过设计激励轨迹，激励工业机器人关节运动，并对关节运动参数进行采样，实现UR工业机器人的动力学参数估计，并根据力矩预测精度验证动力学模型。该专利技术大大提高了所辨识的工业机器人动力学模型的准确性和有效性，同时能够作为工业机器人动力学模型参数估计的一种有效的方法，对基于机器人模型的控制方法的研究具有重要的意义。本专利技术的6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。但事实上观测矩阵Φdyn一般不是满秩的，因为不是所有的动力学参数都对动力学模型有影响。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。PSO算法同遗传算法类似，是一种基于群体的优化工具。系统初始化为一组随机解，通过迭代搜寻最优值。本说明为了避免PSO算法陷入局部最优解，借鉴遗传算法中变异的概念，对粒子进行变异操作，从而改进了PSO算法。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，更新pjbest，；再者，对各个粒子的pjbest进行适应度比较，更新gbest；然后，判断是否满足迭代停止条件，即是否达到设定的迭代次数Tmax，如果没达到就重新更新自身的速度和位置；最后，全局极值对应的粒子为种群的最优解，即机械臂动力学参数的辨识值。步骤4：设计基于改进的PSO算法动力学模型辨识方法的激励轨迹。根据动力学参数pdyn的线性函数可以看出，参数的可辨识性与所选取的关节运动轨迹关系密切。不合适的关节运动轨迹可能会使某些参数不可辨识。本文档来自技高网...

【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