The invention relates to the field of dynamic parameter identification of SCARA robot, and discloses an improved method for identifying dynamic parameters of SCARA robot. The Lagrange method is used to establish a complete dynamic model of the SCARA robot with friction term and linearize it. The 5 order Fourier series as the basic form of incentive path, instead of the constant term of traditional Fourier series and 5 polynomial, the angular velocity and angular acceleration in the trajectory of the start and stop time is zero; to minimize the observation matrix condition number as the goal, to enhance the ability of global optimization, the niche genetic algorithm based on the coefficient on crowding mechanism incentive trajectory optimization. In order to avoid the direct transmission error caused by the two differential of the joint angle, we synthesized the Fourier series form of the sampled joint angular velocity data, and then obtained the joint acceleration signal by differentiation. Considering the influence of measurement noise, the weighted least squares (WLS) method is used as the parameter estimation method.
【技术实现步骤摘要】
一种改进的SCARA机器人动力学参数辨识方法
本专利技术属于SCARA机器人的动力学参数辨识领域,具体涉及一种改进的SCARA机器人动力学参数辨识方法。
技术介绍
随着工业机器人应用于生命医疗、激光焊接、汽车电子等高精密领域,机器人技术向高速高精度方向发展。工业机器人的控制策略可以分为两种:(1)按照机器人实际轨迹与期望轨迹间的偏差进行负反馈控制。这种控制方法控制律简单,易于实现,称为“运动控制”,例如PID控制、模糊控制、鲁棒控制等。(2)充分考虑机器人的动力学特性,设计出更加精细的非线性控制律,即基于模型的控制策略,这种控制方法称为“动态控制”,例如重力补偿控制、计算力矩法、内模控制等。由于机器人时变、强耦合和非线性的动力学特性,仅仅基于反馈的“运动控制”策略,难以满足工业机器人高速高精度的控制要求。目前,国产工业机器人大部分仍采用传统PID控制策略。所以,设计基于机器人动力学模型的控制策略是实现高速高精度运动控制的有效方法,该类控制策略要以机器人的精准动力学参数为基础。机器人动力学参数的获取方法可分为:解体测量法、CAD法以及整体辨识法。机器人结构复杂,很多参数难以直接测量得到,采用计算机建模的CAD法忽略了机器人的装配误差和材料的分布特性,整体辨识法能够考虑机器人实际工作中的各种因素影响,因而受到了广泛关注。机器人动力学参数的辨识过程中,激励轨迹一般采用傅里叶级数的形式,既可以保证激励轨迹的连续周期性,以便于多次重复采样,又能充分激励机器人的动力学特性。但传统傅里叶级数无法保证机器人关节的角速度和角加速度在轨迹的起始和结束时刻为零;并且未经优化的傅 ...
【技术保护点】
一种改进的SCARA机器人动力学参数辨识方法,其特征在于,包括如下步骤:(1)根据实际情况,采用Lagrange法建立包含摩擦项的SCARA机器人完整动力学模型;(2)对所述步骤(1)中完整动力学模型进行线性化,将其表示为回归矩阵和机器人动力学参数向量乘积的形式;(3)采用5阶傅里叶级数做为激励轨迹的基本形式,并用5阶多项式取代传统傅里叶级数中的常数项,使得机器人各关节角速度和角加速度在激励轨迹的起始和结束时刻为零;(4)为增强全局寻优能力,采用基于排挤机制的小生境遗传算法对步骤(3)中得到的傅里叶级数的系数进行优化,尽可能减小观测矩阵的条件数;(5)通过高精度编码器采集关节角度和角速度,为避免速度测量的噪声给加速度计算带来的影响,对采样得到的关节角速度数据拟合成傅里叶级数形式,再对关节速度的傅里叶级数进行微分,得到关节加速度信号,避免直接对关节角度两次微分带来的传递误差;(6)根据采样得到的机器人各个关节输入力矩,以及各个关节输出的角度、角速度和角加速度,构造观测矩阵,采用加权最小二乘法对动力学参数进行辨识。
【技术特征摘要】
1.一种改进的SCARA机器人动力学参数辨识方法,其特征在于,包括如下步骤:(1)根据实际情况,采用Lagrange法建立包含摩擦项的SCARA机器人完整动力学模型;(2)对所述步骤(1)中完整动力学模型进行线性化,将其表示为回归矩阵和机器人动力学参数向量乘积的形式;(3)采用5阶傅里叶级数做为激励轨迹的基本形式,并用5阶多项式取代传统傅里叶级数中的常数项,使得机器人各关节角速度和角加速度在激励轨迹的起始和结束时刻为零;(4)为增强全局寻优能力,采用基于排挤机制的小生境遗传算法对步骤(3)中得到的傅里叶级数的系数进行优化,尽可能减小观测矩阵的条件数;(5)通过高精度编码器采集关节角度和角速度,为避免速度测量的噪声给加速度计算带来的影响,对采样得到的关节角速度数据拟合成傅里叶级数形式,再对关节速度的傅里叶级数进行微分,得到关节加速度信号,避免直接对关节角度两次微分带来的传递误差;(6)根据采样得到的机器人各个关节输入力矩,以及各个关节输出的角度、角速度和角加速度,构造观测矩阵,采用加权最小二乘法对动力学参数进行辨识。2.根据权利要求1所述的一种改进的SCARA机器人动力学参数辨识方法,其特征在于,所述步骤(3)中得到改进傅里叶级数的激励轨迹如下:解得5次多项式的系数为:
【专利技术属性】
技术研发人员:李新,白瑞林,严浩,吉峰,
申请(专利权)人:无锡信捷电气股份有限公司,
类型:发明
国别省市:江苏,32
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。