一种机器人柔性碰撞检测模型的建立方法及装置制造方法及图纸

本公开提供了一种机器人柔性碰撞检测模型的建立方法及装置，其中，方法包括：建立机器人动力学模型，使用机器人动力学模型识别机器人运动过程中的动力学参数；在机器人各关节处单独建立补偿动力学模型中的关节摩擦力矩的神经网络模型，对神经网络模型进行训练和测试后，保存该神经网络模型的信息，通过神经网络模型优化动力学模型，得到优化动力学模型；根据环境刚度、压痕深度、接触面几何形状及滞回阻尼因子建立柔性接触力模型；结合优化动力学模型与广义动量表达式进行公式推导，设计滑模动量观测器，使用滑模动量观测器对柔性接触力模型进行关节力矩的估计，得到最终的机器人柔性碰撞检测模型。性碰撞检测模型。性碰撞检测模型。

【技术实现步骤摘要】
一种机器人柔性碰撞检测模型的建立方法及装置


[0001]本文件涉及计算机
，尤其涉及一种基于机器人柔性碰撞检测模型的建立方法及装置。

技术介绍

[0002]随着科技的快速发展，机器人在医疗教育、工业生产等领域的应用越来越广泛，但在很多情况下都存在机器人与周围环境发生碰撞的可能性，带来了一定的安全隐患，因此需要进行机器人碰撞检测，即分析机器人与环境接触时力的变化情况。
[0003]相关技术中，由于无动力学模型需将传感器安装在机器人本体，导致巨大的成本增加，因此无需借助传感器的动力学模型应用更加广泛，动力学模型通常使用广义动量观测器判断实际输入扭矩和参考输入扭矩之间的差异，从而得到碰撞检测的结果。上述基于动力学模型的技术方案存在以下缺陷：外部关节扭矩对电机中的摩擦参数高度敏感，且摩擦参数具有复杂、非线性特点，导致建立的摩擦模型和动态模型不准确。
[0004]综合以上该
发展状况分析，现有的技术方案中需要一种能处理摩擦参数非线性的动力学模型。

技术实现思路

[0005]本专利技术的目的在于提供一种机器人柔性碰撞检测模型的建立方法及装置，旨在解决现有技术中的上述问题。
[0006]根据本公开实施例的第一方面，提供一种机器人柔性碰撞检测模型的建立方法，包括：
[0007]建立机器人动力学模型，使用机器人动力学模型识别机器人运动过程中的动力学参数；
[0008]在机器人各关节处单独建立补偿动力学模型中的关节摩擦力矩的神经网络模型，对神经网络模型进行训练和测试后，保存该神经网络模型的信息，通过神经网络模型优化动力学模型，得到优化动力学模型；
[0009]根据环境刚度、压痕深度、接触面几何形状及滞回阻尼因子建立柔性接触力模型，其中，滞回阻尼因子用于表示不同材料对接触力带来的影响；
[0010]结合优化动力学模型与广义动量表达式进行公式推导，设计滑模动量观测器，使用滑模动量观测器对柔性接触力模型进行关节力矩的估计，得到最终的机器人柔性碰撞检测模型。
[0011]根据本公开实施例的第二方面，提供一种机器人柔性碰撞检测模型的建立装置，包括：
[0012]动力学模型建立模块，用于建立机器人动力学模型，使用机器人动力学模型识别机器人运动过程中的动力学参数；
[0013]关节摩擦力矩补偿模块，用于在机器人各关节处单独建立补偿动力学模型中的关
节摩擦力矩的神经网络模型，对神经网络模型进行训练和测试后，保存该神经网络模型的信息，通过神经网络模型优化动力学模型，得到优化动力学模型；
[0014]柔性接触力模型建立模块，用于根据环境刚度、压痕深度、接触面几何形状及滞回阻尼因子建立柔性接触力模型，其中，滞回阻尼因子用于表示不同材料对接触力带来的影响；
[0015]滑模动量观测器生成模块，用于结合优化动力学模型与广义动量表达式进行公式推导，设计滑模动量观测器，使用滑模动量观测器对柔性接触力模型进行关节力矩的估计，得到最终的机器人柔性碰撞检测模型。
[0016]本公开的实施例提供的技术方案可以包括以下有益效果：采用神经网络捕捉关节摩擦力矩的非线性特征，使动力学模型能够更准确表示出机器人的受力情况，设计滑模动量观测器代替传感器提升了估计关节力矩的准确性。
[0017]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0018]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，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说明书中记载的一些实施例，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。
[0019]图1是本专利技术实施例的机器人柔性碰撞检测模型的建立方法的流程图；
[0020]图2是本专利技术实施例的神经网络模型的示意图；
[0021]图3是本专利技术实施例的柔性接触力模型力矩估计的示意图；
[0022]图4是本专利技术实施例的滑模动量观测器力矩估计的示意图；
[0023]图5是本专利技术实施例的机器人柔性碰撞检测模型建立过程的示意图；
[0024]图6是本专利技术实施例的机器人柔性碰撞检测模型的建立装置的示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0026]方法实施例
[0027]根据本专利技术实施例，提供了一种机器人柔性碰撞检测模型的建立方法，图1是本专利技术实施例的机器人柔性碰撞检测模型的建立方法的流程图，如图1所示，根据本专利技术实施例的机器人柔性碰撞检测模型的建立方法具体包括：
[0028]在步骤S110中，建立机器人动力学模型，使用机器人动力学模型识别机器人运动过程中的动力学参数。具体包括：
[0029]利用牛顿拉格朗日法建立机器人动力学模型，其中，机器人动力学模型包含了关
节驱动力矩、刚体力矩及关节摩擦力矩之间的关系，公式1表示利用牛顿拉格朗日法建立的动力学模型：
[0030][0031]式中，
τ
表示关节驱动力矩，表示刚体力力矩τ
b
，τ
f
表示关节摩擦力矩，其中，表示惯性矩阵，q表示关节转角，表示关节速度，表示关节加速度，表示离心力和科里奥利力矩阵，G(q)表示重力矩，表示关节摩擦力矩向量，为实数集。
[0032]在步骤S110中，建立机器人动力模型的线性回归方程，使用傅里叶级数设计激励轨迹获取轨迹点位，并通过控制器向机器人下发控制点位，获取机器人在运动过程中的运动数据，基于加权最小二乘法将运动数据带入线性回归方程，通过线性回归方程识别机器人运动过程中的动力学参数。
[0033]在步骤S120中，在机器人各关节处单独建立补偿动力学模型中的关节摩擦力矩的神经网络模型，对神经网络模型进行训练和测试后，保存该神经网络模型的信息，通过神经网络模型优化动力学模型，得到优化动力学模型。具体包括：
[0034]关节驱动力矩为刚体力矩与关节摩擦力矩之和，因此在已知关节驱动力矩和刚体力矩的情况下，关节摩擦力矩可由关节驱动力矩与刚体力矩作差计算得到，通过公式2计算关节摩擦力矩：
[0035][0036]式中，分别为的辨识值，通过采样得到关节运动数据和关节驱动力矩τ，计算关节摩擦力矩τ
f
，将关节摩擦力矩τ
f
作为神经网络的目标输出。
[0037]采用单关节建模方式拟合单关节的关节摩擦力矩，即为机器人各关节单独建立一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人柔性碰撞检测模型的建立方法，其特征在于，包括：建立机器人动力学模型，使用所述机器人动力学模型识别机器人运动过程中的动力学参数；在所述机器人各关节处单独建立补偿所述动力学模型中的关节摩擦力矩的神经网络模型，对所述神经网络模型进行训练和测试后，保存该所述神经网络模型的信息，通过所述神经网络模型优化所述动力学模型，得到优化动力学模型；根据环境刚度、压痕深度、接触面几何形状及滞回阻尼因子建立柔性接触力模型，其中，所述滞回阻尼因子用于表示不同材料对接触力带来的影响；结合所述优化动力学模型与广义动量表达式进行公式推导，设计滑模动量观测器，使用所述滑模动量观测器对所述柔性接触力模型进行关节力矩的估计，得到最终的机器人柔性碰撞检测模型。2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：通过所述最终的机器人柔性碰撞检测模型判断机器人发生柔性碰撞的情况。3.根据权利要求1所述的方法，其特征在于，所述建立机器人动力学模型，使用所述机器人动力学模型识别机器人运动过程中的动力学参数具体包括：利用牛顿拉格朗日法建立所述机器人动力学模型，其中，所述机器人动力学模型包含了关节驱动力矩、刚体力矩及关节摩擦力矩之间的关系；建立所述机器人动力模型的线性回归方程，使用傅里叶级数设计激励轨迹获取轨迹点位，并通过控制器向机器人下发控制点位，获取机器人在运动过程中的运动数据，基于加权最小二乘法将所述运动数据带入所述线性回归方程，通过所述线性回归方程识别所述机器人运动过程中的动力学参数。4.根据权利要求1所述的方法，其特征在于，所述滞回阻尼因子与环境刚度、材料恢复系数及初始接触相对速度有关，且设定在0
‑
1之间。5.根据权利要求1所述的方法，其特征在于，所述结合所述优化动力学模型与广义动量表达式进行公式推导，设计滑模动量观测器，使用所述滑模动量观测器对所述柔性接触力模型进行关节力矩的估计具体包括：根据所述优化动力学模型与广义动量表达式建立一阶动量动力学方程，进一步根据动量偏差对所述一阶动量动力学方程进行优化，得到线性一阶低通滤波器，通过所述线性一阶低通滤波器得到所述滑模动量观测器的表达式；通过所述滑模动量观测器对所述柔性接触力模型进行笛卡尔空间的关节力矩估计，连接不同时间点估计得到的所述关节力矩，...

【专利技术属性】
技术研发人员：陈首彦，肖航，邱黎明，陈晓群，林煜锴，
申请(专利权)人：广州大学，
类型：发明
国别省市：