【技术实现步骤摘要】
本申请涉及机器人，特别涉及一种机器人外力估计方法、终端及介质。
技术介绍
1、随着人机交互的需求日益增长，机器人系统需要能够低成本、精确、快速地感知外力作用力。当前机器人感知外部作用力的方法主要依靠在机器人末端安装力传感器，然而安装传感器将不可避免地增加系统集成成本、维护难度，同时力传感器的安装也将使得机器人的有效负荷降低。与此同时，六维力传感器测量结果也存在零漂、噪声等问题，使得外力测量值不可靠。
2、使用机器人系统本体的传感器信息来估计交互作用力成为当前学术界、工业界日益普遍使用的力感知方法，因其能通过算法功能低成本地实现机器人外力感知能力。现有技术文献[1]提出一种基于神经网络估计机器人逆动力学，进而实现外力估计的方法，然而估计外力时需要使用关节加速度信息，关节加速度由关节位置差分计算得到，这将不可避免地引入较大的噪声作用；现有技术文献[2]提出一种高带宽的外力估计方法，为避免数值差分得到的关节加速度存在的较大噪声的影响，额外使用了加速度传感器，然而提高了系统成本而使得该方法的应用受限；现有技术文献[3]提出一种基于广义动量的外力估计方法，无法使用关节加速度信息，但对于机器人动力学模型的获取，以及观测增益的选取并未做过多说明，而仅仅停留在仿真阶段。专利cn 104050355 b公开了一种基于h∞的机器人外力估计方法，该方法能避免在估计外力时直接使用加速度的信息，然而观测增益的选取需满足特殊要求而使得此应用方法受限；专利cn 107590340 a公开了一种机器人外力估计的方法及装置，在对机器人动力学建模后，使
3、现有技术文献：
4、[1]smith ac,hashtrudi-zaad k.application of neural networks ininverse dynamics based contact force estimation[c]//proceedings of 2005 ieeeconference on control applications,2005.cca2005.ieee,2005:1021-1026.
5、[2]katsura s,irie k,ohishi k.wideband force control by position-acceleration integrated disturbance observer[j].ieee transactions onindustrial electronics,2008,55(4):1699-1706.
6、[3]de luca a,mattone r.actuator failure detection and isolation usinggeneralized momenta[c]//2003 ieee international conference on robotics andautomation(cat.no.03ch37422).ieee,2003,1:634-639.
技术实现思路
1、本申请提供了一种机器人外力估计方法、终端及介质，利用机器人的动力学模型及扰动观测器设计方法，能够低成本、高可靠地感知外界作用在机器人上的力。
2、本申请一方面提供一种机器人外力估计方法，包括以下步骤：
3、s1：建立机器人的动力学模型，使用参数辨识方法估计机器人的动力学参数；
4、s2：根据步骤s1获得的机器人动力学模型设计扰动观测器估计机器人所受外力。
5、进一步的，所述步骤s1包括以下步骤：
6、s11：建立机器人的动力学系统方程，并将其表达为与动力学参数线性化形式：
7、
8、其中τ表示关节力矩，π表示标准动力学参数，一般包含连杆转动惯量、一阶惯性矩、质量，以及摩擦及电机转子参数，分别表示关节位置、速度、加速度，表示回归矩阵；根据回归矩阵的列相关性，可将式(1)进一步表达为如下形式
9、
10、由矩阵的最小非线性相关列组合而成，即矩阵满秩；β由标准动力学参数集π组合而成，称为最简动力学参数集；
11、s12：求解以下最优化问题，设计机器人动力学参数辨识激励轨迹：
12、
13、其中是tk时刻机器人最小参数集相关的动力学回归矩阵的堆叠量，k是最大采样量，cond(·)表示矩阵条件数；分别是关节j的位置、速度、加速度；则分别是关节位置、速度、加速度最大和最小的限值；优化问题(3)中的参数化轨迹可选取为有限傅里叶级数轨迹，即
14、
15、其中ωf是轨迹的基频，m是有限傅里叶级数轨迹的阶数，qj0,al,bl为待优化的参数；
16、s13：运行激励轨迹，记录机器人的关节位置、关节力矩或电流信息；
17、s14：根据关节位置计算关节速度、加速度信息，并由此得到辨识所需的回归矩阵及力矩相应向量变量与满足如下关系
18、
19、其中β是最简动力学参数集，需要利用参数估计算法进行辨识，而ε为噪声误差作用。
20、进一步的，步骤s12中的非线性约束优化问题可使用matlab中fmincon函数进行求解。
21、进一步的，步骤s13中，使用关节编码器采集关节位置信息，利用电流传感器采集关节电流信息，并利用力矩-电流增益kt值将电流转换为力矩值。
22、进一步的，步骤s13中，使用关节编码器采集关节位置信息，利用电流传感器采集关节电流信息，机器人的关节力矩通过安装在机器人上的力矩传感器获得。
23、进一步的，步骤s14中，使用包括数值差分、滤波、平滑的数据处理方法，根据关节位置计算关节速度、加速度信息。
24、进一步的，所述步骤s1中还包括步骤s15：结合鲁棒线性回归、迭代加权最小二乘及物理可行性约束，通过迭代计算不断剔除关节力矩中的异常值、关节力矩噪声方差准确估计，从而保证机器人动力学参数的准确估计：
25、首先初始化正常值数据索引s及关节力矩噪声方差矩阵ω；利用关节力矩噪声协方差矩阵ω，可得到归一化的回归矩阵和力矩响应向量
26、
27、
28、其中表示矩阵ω平方根的逆；经过归一化处理，可使满足同方差假设，同方差假设是最小二乘解为线性最佳无偏估计的必要条件之一，即高斯-马尔科夫假设条件之一；对于n自由度机器人而言，总共采集了k组数据，因此回归矩阵和力矩响应向量的行数为nk，若第i行不本文档来自技高网...
【技术保护点】
1.一种机器人外力估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的机器人外力估计方法，其特征在于，所述步骤S1包括以下步骤：
3.根据权利要求2所述的机器人外力估计方法，其特征在于，步骤S14中，使用包括数值差分、滤波、平滑的数据处理方法，根据关节位置计算关节速度、加速度信息。
4.根据权利要求2任意一项所述的机器人外力估计方法，其特征在于，所述步骤S1中还包括步骤S15：结合鲁棒线性回归、迭代加权最小二乘及物理可行性约束，通过迭代计算实现剔除关节力矩中的异常值、关节力矩噪声方差准确估计，从而保证机器人动力学参数的准确估计：
5.根据权利要求4所述的机器人外力估计方法，其特征在于，所述步骤S1中还包括步骤S16：模型验证：
6.根据权利要求2-5任意一项所述的机器人外力估计方法，其特征在于，所述步骤S2包括以下步骤：
7.一种终端，其特征在于，包括处理器和存储器，所述存储器存储有计算机指令，所述处理器被配置为，调用并执行所述计算机指令以实现如权利要求1-6任意一项所述的机器人外力估计方法。>
8.一种计算机可读介质，其特征在于，所述计算机可读介质存储有计算机指令，所述计算机指令被计算机调用并执行时，实现如权利要求1-6任意一项所述的机器人外力估计方法。
...【技术特征摘要】
1.一种机器人外力估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的机器人外力估计方法，其特征在于，所述步骤s1包括以下步骤：
3.根据权利要求2所述的机器人外力估计方法，其特征在于，步骤s14中，使用包括数值差分、滤波、平滑的数据处理方法，根据关节位置计算关节速度、加速度信息。
4.根据权利要求2任意一项所述的机器人外力估计方法，其特征在于，所述步骤s1中还包括步骤s15：结合鲁棒线性回归、迭代加权最小二乘及物理可行性约束，通过迭代计算实现剔除关节力矩中的异常值、关节力矩噪声方差准确估计，从而保证机器人动力学参数的准确估计：<...
【专利技术属性】
技术研发人员：曹鹏飞，李子健，
申请(专利权)人：埃斯顿南京医疗科技有限公司，
类型：发明
国别省市：
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。