System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及机械臂识别控制,具体是一种基于多模型的机械臂动力学参数辨识方法。
技术介绍
1、机械臂是一种能够模拟人的手臂运动的装置,它可完成各种复杂的任务,如搬运、装配、焊接等。机械臂的运动是由多个关节驱动,从而获取机械臂动力学参数对于其控制和优化至关重要。机械臂的动力学参数包括质量、质心、惯性矩阵、摩擦力等,这些参数决定了机械臂的运动特性和相应性能。
2、一种常用的方法是基于模型的参数辨识。这种方法需要建立机械臂的数学模型,并根据实际测量数据对模型参数进行辨识。常用模型包括欧拉-拉格朗日模型和牛顿-欧拉模型,欧拉-拉格朗日模型基于能量原理,可以较为准确的描述机械臂的动力学特性,而牛顿-欧拉模型则基于牛顿力学定律,适用于较为简单的机械臂系统。
3、另一种常用方法是基于数据的参数辨识。这种方法不需要建立机械臂数学模型,而是直接根据实际测量数据对参数进行辨识。常用方法包括最小二乘法、基于频域分析的方法等。最小二乘通过最小化实际测量数据与模型预测数据之间的误差来辨识参数。基于频域分析的方法则通过对实际测量数据进行频域分析,提取系统的频率相应函数,并根据频率响应函数对参数进行辨识。
4、上述方法都是在单臂控制的基础上进行辨识,在实际操作中会大大降低工程化部署速度,而本专利技术方法通过多模型控制方案对机械臂进行批量动力学辨识,同时优化激励轨迹,在提高辨识效率的同时提升了动力学参数辨识精度。
技术实现思路
1、本专利技术为了解决现有技术的问题,提供了一种基
2、本专利技术提供了一种基于多模型的机械臂动力学参数辨识方法,包括以下步骤:
3、步骤一、将控制系统与机械臂采用网线串联连接,控制系统动态加载机械臂模型,并识别不同品牌机械臂;步骤一所述控制系统基于ethercat工业现场总线通信,通过总站控制若干从站的机械臂。所述从站机械支持支持热插拔,当有机械臂接入根据从站信息分辨机械臂厂家和型号,自动生成机械臂模型。
4、步骤二、设置机械臂dh参数、零偏数据,建立运动学模型,控制系统根据机械臂从站信息自动加载机械臂电机分辨率和转矩常数等基础信息。
5、步骤三、建立各机械臂摩擦力模型和动力学模型:根据步骤二加载的机械臂基础信息,先采用newton-euler建立机械臂动力学模型,再结合摩擦力模型再对动力学模型进行线性化处理。
6、步骤四、设计优化激励轨迹,确定辨识轨迹的起始点与终止点:采用有限项傅里叶级数作为轨迹:
7、
8、利用矩阵条件数cond(a)作为激励轨迹优化指标对参数ai,l,bi,l,qi0,进行优化,ωf为激励基础频率。
9、采用遗传算法求取激励轨迹各轴参数,以观测矩阵条件数f(x)=cond(w)+g(x)最小和矩阵对数行列式f(x)=logdet(wtw)+g(x)最大化为优化条件对激励轨迹参数进行计算;g(x)为惩罚函数g(x)=a*(eb*(1-(1/r(x)+1))-1),其中a为惩罚因子,b为经验常数,r(x)为个体满足非线性约束和线性约束的个数,x为待辨识参数矩阵。
10、所述遗传算法具体过程包括算法参数初始化、编码、得到种群i、判断迭代次数是否为最大迭代次数,若为最大迭代次数则解码输出结果,若不是最大迭代次数则计算种群适应度,繁殖、交叉、变异,获得种群i+1,再次验证种群i+1,直到满足最大迭代次数。
11、步骤五、多模型动力学参数辨识:利用步骤四所得激励轨迹对多机械臂进行控制,并采集速度、加速度以及力矩数据,并根据步骤三所建立的动力学模型得到各机械臂最小惯性参数集;
12、步骤六、进行批量机械臂模型验证实验,根据步骤五所得多机械臂最小惯性参数集带入动力学模型,对动力学参数辨识结果做最终的精度验证。
13、本专利技术有益效果在于:
14、1、使用了多模型控制系统,提升了工程化部署效率;
15、2、能够批量对机械臂进行动力学辨识操作,优化了动力学辨识激励轨迹,提升动力学参数辨识精度。
本文档来自技高网...【技术保护点】
1.一种基于多模型的机械臂动力学参数辨识方法,其特征在于包括以下步骤:
2.根据权利要求1所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:步骤一所述控制系统基于Ethercat工业现场总线通信,通过总站控制若干从站的机械臂。
3.根据权利要求2所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:所述从站机械支持支持热插拔,当有机械臂接入根据从站信息分辨机械臂厂家和型号,自动生成机械臂模型。
4.根据权利要求1所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:步骤二所述机械臂基础信息包括电机分辨率和转矩常数。
5.根据权利要求1所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:步骤三具体过程如下:根据步骤二加载的机械臂基础信息,先采用NewTon-Euler建立机械臂动力学模型,再结合摩擦力模型再对动力学模型进行线性化处理。
6.根据权利要求1所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:步骤四中,采用遗传算法求取激励轨迹各轴参数,以观测矩阵条件数f(x)=cond(W)+g(x)最小和矩
7.根据权利要求6所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:所述遗传算法具体过程包括算法参数初始化、编码、得到种群i、判断迭代次数是否为最大迭代次数,若为最大迭代次数则解码输出结果,若不是最大迭代次数则计算种群适应度,繁殖、交叉、变异,获得种群i+1,再次验证种群i+1,直到满足最大迭代次数。
8.根据权利要求1所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:步骤六所述模型验证试验过程,根据步骤五所得多机械臂最小惯性参数集带入动力学模型,对动力学参数辨识结果做最终的精度验证。
...【技术特征摘要】
1.一种基于多模型的机械臂动力学参数辨识方法,其特征在于包括以下步骤:
2.根据权利要求1所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:步骤一所述控制系统基于ethercat工业现场总线通信,通过总站控制若干从站的机械臂。
3.根据权利要求2所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:所述从站机械支持支持热插拔,当有机械臂接入根据从站信息分辨机械臂厂家和型号,自动生成机械臂模型。
4.根据权利要求1所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:步骤二所述机械臂基础信息包括电机分辨率和转矩常数。
5.根据权利要求1所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:步骤三具体过程如下:根据步骤二加载的机械臂基础信息,先采用newton-euler建立机械臂动力学模型,再结合摩擦力模型再对动力学模型进行线性化处理。
6.根据权利要求1所述的基于多模型的机械臂动力学参数辨识方法,其特征在于:步骤...
【专利技术属性】
技术研发人员:匡业,
申请(专利权)人:亿嘉和科技股份有限公司,
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。