【技术实现步骤摘要】
基于动力学参数辨识的工业机器人力/位柔顺控制方法
本专利技术属于控制
，涉及到工业机器人，具体涉及一种基于动力学参数辨识的工业机器人力/位柔顺控制方法。
技术介绍
工业机器人常用于打磨、装配、抛光等需要与环境交互的复杂任务，如果只单纯的控制位置误差可能会引起末端力矩超限或工件损伤，所以在与环境接触时除了常规的位置控制外还需要调节接触力的大小，实现运行过程中末端力和位置的柔顺性。在力/位柔顺控制中机器人需要获取精确的外力以平衡末端力和位置的关系，根据外力的获取方式不同可以将力/位柔顺控制分为：通过力或力矩传感器直接获得外力及通过动力学模型获得理论关节力矩计算外力两种方法。力或力矩传感器方法要求在末端或者关节装配力矩传感器，增大机器人结构复杂度的同时增加了成本；动力学模型的方法要求构建精准的动力学方程，预估机器人按给定轨迹运动时各关节的力和力矩，能够防止运动过程中力矩超限，在保证运行安全的基础上使加速过程需要时间更短。为实现精准的力/位柔顺控制必须建立精确的动力学模型，实现模型参数的辨识。目前，国外很多工业机器人(如FANUC，ABB)控制器中已经加入了动力学建模模块，实现了基于模型的机器人控制及高精度碰撞检测、负载辨识功能，动力学模块逐渐成为高精度工业机器人控制中不可缺少的模块。常见的动力学建模算法有：牛顿-欧拉法，拉格朗日法，凯恩法，不同建模算法建立的动力学模型是相同的，但是建模效率却存在很大差异。上述建模方法中，拉格朗日法具有清晰的物理含义，但是大量偏微分的计算限制了其在实时性要求较高...
【技术保护点】
1.一种基于动力学参数辨识的工业机器人力/位柔顺控制方法，通过建立动力学模型分析工业机器人的运动状态和受力的关系，实现高精度的力/位柔顺控制，其特征在于：包括以下步骤：/n步骤一，利用牛顿-欧拉法构建带摩擦力模型的动力学方程；/n步骤二，将动力学参数划分为连杆动力学参数和负载动力学参数，分别对连杆动力学参数和负载动力学参数进行辨识；/n步骤三，基于辨识后的完整动力学模型，提出阻抗控制算法实现力/位柔顺控制，分别设计基于位置和基于力矩的阻抗控制器，并利用基于力矩的阻抗控制器完成工业机器人末端力和位姿的协调控制；/n步骤四，通过机器人实验平台辨识连杆动力学参数和负载动力学参数，并对阻抗控制算法进行验证。/n
【技术特征摘要】
1.一种基于动力学参数辨识的工业机器人力/位柔顺控制方法，通过建立动力学模型分析工业机器人的运动状态和受力的关系，实现高精度的力/位柔顺控制，其特征在于：包括以下步骤：
步骤一，利用牛顿-欧拉法构建带摩擦力模型的动力学方程；
步骤二，将动力学参数划分为连杆动力学参数和负载动力学参数，分别对连杆动力学参数和负载动力学参数进行辨识；
步骤三，基于辨识后的完整动力学模型，提出阻抗控制算法实现力/位柔顺控制，分别设计基于位置和基于力矩的阻抗控制器，并利用基于力矩的阻抗控制器完成工业机器人末端力和位姿的协调控制；
步骤四，通过机器人实验平台辨识连杆动力学参数和负载动力学参数，并对阻抗控制算法进行验证。
2.根据权利要求1所述的一种基于动力学参数辨识的工业机器人力/位柔顺控制方法，其特征在于：步骤一中，所述摩擦力模型采用库伦-粘滞摩擦模型，构建关节i的摩擦力模型：
式中，di表示关节i的粘滞系数矩阵，μi表示关节i的库仑系数矩阵；表示关节i的角速度，τf,i表示关节i的摩擦力；
考虑关节摩擦力的动力学方程为：
式中，M(q)表示惯性矩阵，表示离心力矩与哥氏力矩，G(q)表示重力力矩，d和μ为斜对角矩阵，q,分别表示关节的角度、角速度和角加速度，τ表示关节力矩。
3.根据权利要求1所述的一种基于动力学参数辨识的工业机器人力/位柔顺控制方法，其特征在于：步骤二中，在连杆动力学参数辨识中，计算线性摩擦力，通过空载动力学模型构建待辨识的连杆动力学参数集，并提出改进遗传算法进行识别，实现更为高效的收敛速度。
4.根据权利要求3所述的一种基于动力学参数辨识的工业机器人力/位柔顺控制方法，其特征在于：考虑摩擦系数，连杆i的待辨识动力学参数包括：
λi＝[mi,si,x,si,y,si,z,Ii,xx,Ii,yy,Ii,zz,Ii,xy,Ii,xz,Ii,yz,di,μi]T
式中，mi代表连杆i的质量，si,x代表连杆i的质心位置在xi上的坐标，si,y代表连杆i的质心位置在yi上的坐标，si,z代表连杆i的质心位置在zi上的坐标，Ii,xx＝∫∫∫V(yi2+zi2)ρdυ、Ii,yy＝∫∫∫V(xi2+zi2)ρdυ、Ii,zz＝∫∫∫V(xi2+yi2)ρdυ分别表示连杆i绕xi,yi,zi参考坐标轴的质量惯性矩，Ii,xy＝∫∫∫Vxiyiρdυ、Ii,xz＝∫∫∫Vzixiρdυ、Ii,yz＝∫∫∫Vyiziρdυ分别表示连杆i绕xiyi,xizi,yizi平面的惯性积，其中ρ表示连杆密度，v表示连杆体积，di代表关节i的粘滞系数，μi代表关节i的库仑系数；
n自由度机器人待识别的连杆动力学参数集表示为：
λfull＝[λ1λ2...λn]T
空载时，动力学方程和关节运动状态及连杆动力学参数有关，表示为：
式中，τlink代表空载关节力矩。
5.根据权利要求4所述的一种基于动力学参数辨识的工业机器人力/位柔顺控制方法，其特征在于：所述改进遗传算法辨识连杆动力学参数的过程如下，其中，设置辨识过程中迭代代数为K，种群个数为Np：
(1)根据适应度选择Np组连杆动力学参数集组成新的种群，使具有较优适应度的连杆动力学参数集参与迭代过程，这里采用最佳保留选择的方法，个体参与繁殖的概率等于该个体适应度除以群体适应度的总和；若连杆动力学参数集j的适应度是f(j)，则j被选中参与迭代过程的概率为：
(2)在选择过程生成的种群中随机选择两组连杆动力学参数集进行参数交叉：随机生成范围在[0,1]的随机数χ1和χ2，当A！＝B且时，挑出连杆动力学参数集xA,xB参与交叉；
随机生成交叉判断因子cprocess，当判断因子cprocess大于交叉概率process时，两组连杆动力学参数集进行参数交叉产生两组新的参数集，否则直接将两组连杆动力学参数集放入后代种群，直到后代连杆动力参数集数目达到Np；
定义交叉概率：
process＝|(f(xA)-f(xB))/(fmax-fmin)|；
式中，fmin代表选出的连杆动力学参数集适应度的最小取值，即最优适应度，fmax代表选出的连杆动力学参数集适应度的最大取值，即最差适应度；
若cprocess≤process，直接将xA,xB加入后代种群中；若cprocess＞process，改进的参数交叉方法如下所示：
x'A＝αxA+(1-α)xB
x'B＝sign(f(xA)-f(xB))·(αxA-(1-α)xB)
式中，x'A和x'B是由xA,xB交叉产生的连杆动力学参数集，线性化系数α∈(0,1)，z＝1,2,…从1开始取值，当新连杆动力学参数集不满足时，代表不是可行解，则取z＝2继续计算，随着z的取值不断增大，x'A,x'B与适应度较优的连杆动力学参数集的相似程度也在增加；
(3)在参数变异过程中，每组连杆动力学参数集以不同的概率变异，刚开始时参数需要向各个方向搜索最优值，选择较高的变异概率；在寻优后期，参数基本已经收敛在最优值附近，减小变异概率；定义连杆动力学参数集的变异率：
式中，η是变异参数，范围在(0,1)；
对每组连杆动力学参数集生成一个随机数，若随机数小于γj，那么该组连杆动力学参数集j发生非均匀变异，每个参数以概率β变异，β∈(0,1)，改进的变异公式如下所示：
式中，q＝1,2,…,12n表示连杆动力学参数集中第q个参数，λfull,q,argv代表连杆动力学参数集的第q个参数的平均值，λfull,q,min代表连杆动力学参数集中第q个参数的极小值，λfull,q,max代表连杆动力学参数集中第q个参数的极大值，ω∈(0,1)表示随机扰动系数；若λ'full,q,j＜λfull,q,min，则λ'full,q,j＝λfull,q,min，相反如果存在λ'full,q,j＞λfull,q,max，则λ'full,q,j＝λfull,q,max；
(4)判断改进交叉、变异过程得到的新连杆动力学参数集是否满足结束条件，若存在：迭代次数等于设定值，或者最优连杆动力学参数集的适应度与上一代最优连杆动力学参数集的适应度之差小于给定值dlimit，并且最优子个体的适应度和平均适应度的差值不大于dlimit·logNp，则找到最优连杆动力学参数集，结束迭代过程。
6.根据权利要求1所述的一种基于动力学参数辨识的工业机器人力/位柔顺控制方法，其特征在于：步骤二中，在负载动力学参数辨识中，建立带负载动力学参数的动力学模型，并分别通过最小二乘法和改进粒子群算法识别负载动力学参数，同时进行对比分析。
7.根据权利要求6所述的一种基于动力学参数辨识的工业机器...
【专利技术属性】
技术研发人员：宋宝，唐小琦，周向东，徐意，陈天航，饶阿龙，肖千红，田勇，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42
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。