【技术实现步骤摘要】
本专利技术涉及机器人关节摩擦补偿方法，尤其涉及一种基于机器人专用芯片的机器人关节摩擦补偿方法及系统。
技术介绍
1、摩擦力的建模可分为有数学模型和无数学模型两种，常用摩擦模型又可以分为静态模型和动态模型。静态模型包括经典的库仑模型和粘性模型，stribeck模型、karnopp模型和时滞模型；动态摩擦模型包括dahl模型、lugre模型、广义麦克斯韦滑移摩擦模型等。针对有数学模型的摩擦力建模，由于各种摩擦参数难以确定，且在摩擦力发生变化时模型可能失效。自适应摩擦补偿基于特定的静态或动态摩擦模型，其参数可在线调整，然而，自适应摩擦补偿用于协作机器人一般需要精确的先验动力学模型，即摩擦动力学的线性形式表示(线性参数化)，另一方面，为了考虑控制的鲁棒性，采用自适应摩擦补偿时需要限制机器人的控制带宽。
2、无数学模型的摩擦建模、摩擦补偿方法不用处理复杂的摩擦参数，近年来得到越来越广泛的应用。如通过遗传优化bp神经网络、长短期记忆lstm对机器人关节中的摩擦进行建模和补偿。但这些无模型的建模方法，无法提取摩擦力的长程依赖关系，且对零速...
【技术保护点】
1.一种基于机器人专用芯片的机器人关节摩擦补偿方法，其特征在于，包括：
2.如权利要求1所述的一种基于机器人专用芯片的机器人关节摩擦补偿方法，其特征在于，步骤1的机器人动力学模型对应的模型公式描述如下
3.如权利要求1所述的一种基于机器人专用芯片的机器人关节摩擦补偿方法，其特征在于，前述步骤2中，机器人运动数据集内包括但不限于机器人运行基础数据以及摩擦力影响数据，前述机器人运行基础数据包括机器人理论位置、实际位置、位置误差、理论速度、实际速度、先验动力学计算的理论力矩、实际力矩τactual；前述摩擦力影响数据包括影响摩擦力的环境温度和末端负载
4....
【技术特征摘要】
1.一种基于机器人专用芯片的机器人关节摩擦补偿方法，其特征在于，包括：
2.如权利要求1所述的一种基于机器人专用芯片的机器人关节摩擦补偿方法，其特征在于，步骤1的机器人动力学模型对应的模型公式描述如下
3.如权利要求1所述的一种基于机器人专用芯片的机器人关节摩擦补偿方法，其特征在于，前述步骤2中，机器人运动数据集内包括但不限于机器人运行基础数据以及摩擦力影响数据，前述机器人运行基础数据包括机器人理论位置、实际位置、位置误差、理论速度、实际速度、先验动力学计算的理论力矩、实际力矩τactual；前述摩擦力影响数据包括影响摩擦力的环境温度和末端负载。
4.如权利要求3所述的一种基于机器人专用芯片的机器人关节摩擦补偿方法，其特征在于，步骤2的前述机器人运动数据集的获取过程为：
5.如权利要求1所述的一种基于机器人专用芯片的机器人关节摩擦补偿方法，其特征在于，前述步骤3中，前述informer-lstm摩擦模型即为informer-lstm并联混合神经网络模型，该模型结构包括并联的深度lstm模块和informer模块，其中，前述深度lstm模块作为短序列特征提取模块，用于根据输入的关节运动时序数据进行短时间序列特征预测...
【专利技术属性】
技术研发人员：汪朋朋，陈益飞，甘中学，
申请(专利权)人：智昌科技集团股份有限公司，
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。