关键词：
机械臂
动力学参数辨识
力矩层面辨识
电流层面辨识
负载惯性参数辨识
摘要：
机械臂作为机器人的典型代表,现已被广泛应用于汽车装配及3C电子等制造领域。为了更好地完成生产、生活任务,除了需要良好的硬件架构,机械臂还需要具备优秀的控制性能。而精确的机械臂动力学参数和负载惯性参数对于提升机械臂的控制性能至关重要。但是,目前基于优化的力矩层面辨识方法大多使用基参数构造目标函数而非具有更高辨识质量的必要参数,且约束条件的推导过程较为复杂而不够直观;此外,绝大部分动力学参数辨识工作仅局限于力矩层面,而电流层面的动力学参数辨识问题却鲜有关注;由于测量噪音和摩擦力模型等因素的影响,导致现有的负载辨识方法精度不足。针对这三个问题,本文依次从有力矩传感器机械臂动力学参数辨识方法、无力矩传感器机械臂动力学参数辨识方法、机械臂负载惯性参数的高精度辨识方法、机械臂动力学参数及负载参数应用实验四个方面开展以下研究工作:
针对力矩层面辨识问题,提出了一种通用的全局非线性优化方法以辨识机械臂的标准动力学参数。采用牛顿-欧拉递推方法推导出具有关节力矩传感器机械臂的动力学参数辨识方程,并通过标准最小二乘法求解出基参数。为了简化动力学模型和提高参数辨识质量,通过迭代剔除了基参数中辨识质量不佳的参数,从而得到了一组辨识质量更高的必要动力学参数。之后,基于必要动力学参数及其对应的观测矩阵,设计了基于最小化预测力矩误差的目标函数,并考虑了更为直观的参数物理约束条件。最后,通过全局优化函数求解了上述优化问题,并通过实验验证了所提算法的正确性与有效性。实验结果表明,所提算法辨识的标准动力学参数能够使连杆质量矩阵满足正定特性。此外,与其他方法相比,所提算法辨识的参数具有更高的关节力矩预测精度。
针对电流层面辨识问题,提出了一种电流层面动力学参数辨识框架,包括电流层面动力学建模、电流层面动力学参数辨识以及电流层面辨识结果的应用。考虑电机电流与关节力矩存在近似线性关系,并结合力矩层面的动力学模型,从而推导出了电流层面动力学参数辨识模型。为了辨识出更加精确的电流层面动力学参数,提出了一种基于双层迭代的电流层面参数辨识方法。实验结果表明,辨识的参数可以提供良好的电流预测精度。之后,将辨识的电流层面非线性摩擦参数和数据加权向量应用于关节力矩系数辨识,从而提出了一种更加精确的关节力矩系数辨识方法,解决了传统方法辨识精度不足的问题。最后,通过对比实验验证了所提算法的正确性与优越性。实验结果表明,与传统方法相比,所提算法的关节力矩系数辨识精度更高。此外,即使对于同心负载,所提算法也可以成功辨识出完整的关节力矩系数。
针对负载辨识精度问题,提出了一种基于双重加权的负载离线辨识方法和一种基于迭代的负载在线辨识方法。为了提升负载离线辨识精度,一方面,利用收敛的协方差矩阵归一化负载辨识模型以获得加权最小二乘解。另一方面,利用收敛的数据加权矩阵剔除离群数据点以使剩余的数据可以更好地拟合理论模型。实验结果表明,相比于其他方法,该方法有效地减少了离群值的影响并提升了负载的离线辨识精度;为了提升负载在线辨识精度,一方面,引入了非线性摩擦模型替换线性摩擦模型。另一方面,采用期望轨迹而非实际轨迹作为计算输入以减小噪声的影响。之后,采用迭代最小二乘法在线估计出有负载情况下的基参数,并利用负载惯性参数与有、无负载情况下基参数之差之间的代数关系在线辨识出负载惯性参数。实验结果表明,相比于其他方法,所提方法不仅可以在线辨识出完整的负载惯性参数而且在线辨识精度更高。
为了证明本文辨识结果的实用性,开展了机械臂动力学参数及负载惯性参数辨识结果的应用实验研究。首先,将辨识结果应用于机械臂仿真器设计。实验结果表明,与V-REP仿真器相比,使用本文辨识结果设计的仿真器具有更好的轨迹跟踪性能和实际关节力矩预测精度,这使得仿真结果更具参考价值和现实指导意义;然后,将辨识的机械臂动力学参数用于外力估计和碰撞检测。实验结果表明,相比于其他方法,本文的辨识结果有效地提升了外力估计精度。此外,本文设计的电流残差法性能明显优于传统的力矩残差法,有效地提升了碰撞检测灵敏度和人机交互安全性;之后,将辨识的机械臂动力学参数用于关节轨迹优化。实验结果表明,优化后的轨迹有效地降低了机械臂能耗和提升了机械臂运动效率;最后,将负载在线辨识结果补偿给机械臂控制器以实现带载重力补偿。实验结果表明,精确的负载动力学补偿有效地减小了操作者对机械臂的拖拽力,从而提高了拖拽舒适度和人机交互友好性。
欢迎来到三峡大学图书馆！
