[发明专利]一种基于双编码器的机器人关节力矩测量方法在审

专利信息
申请号: 201811550766.1 申请日: 2018-12-18
公开(公告)号: CN109500837A 公开(公告)日: 2019-03-22
发明(设计)人: 曹俊亮 申请(专利权)人: 上海岭先机器人科技股份有限公司
主分类号: B25J19/00 分类号: B25J19/00
代理公司: 上海容慧专利代理事务所(普通合伙) 31287 代理人: 于晓菁
地址: 200335 上海市长*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 机器人关节 绝对值编码器 力矩传感器 力矩测量 双编码器 输出端 传感器 关节 减速器 神经网络计算 动力学模型 关节控制器 谐波减速器 安装空间 弹性环节 输出力矩 数据信息 低速端 电机端 高速端 可选的 带宽 电机
【权利要求书】:

1.一种基于双编码器的机器人关节力矩测量方法,其特征在于,包括:

(1)在机器人关节的电机端安装绝对值编码器A,进行电机控制及获取该电机在转动过程中相对于固定端的角度变化值;

(2)在机器人关节的谐波减速器的输出端安装绝对值编码器B,获取机器人关节在运动过程中输出端相对于固定端的角度值;

(3)机器人关节的关节控制器采集绝对值编码器A与绝对值编码器B的数据信号,并实时采集电机转动电流;

(4)将关节控制器采集到的绝对值编码器A与绝对值编码器B的数据信号差值作为主要输入,通过数据拟合的方法计算机器人关节输出力矩。

2.如权利要求1所述的机器人关节力矩测量方法,其特征在于,对于首次装配的机器人关节,在谐波减速器的输出端安装力矩传感器,进行数据采集后再取下。

3.如权利要求1所述的机器人关节力矩测量方法,其特征在于,数据拟合方法包括神经网络计算。

4.如权利要求3所述的机器人关节力矩测量方法,其特征在于,采用神经网络计算的方法计算机器人关节力矩输出时,在神经网络计算机器人关节输出力矩前,还包括对谐波减速器和电极进行神经网络训练步骤,并保存神经网络训练后的网络结构以及权值文件。

5.如权利要求4所述的机器人关节力矩测量方法,其特征在于,对于同一型号且具有一致性的谐波减速器及电机,可以省略神经网络训练的步骤,用同一个神经网络及相同的网络权值,计算得到各个关节的力矩。

6.如权利要求5所述的机器人关节力矩测量方法,其特征在于,神经网络的计算包括在机器人关节控制器内计算和使用高速通信总线将机器人控制系统采集的数据发送到上位机计算两种方式。

7.如权利要求6所述的机器人关节力矩测量方法,其特征在于,采用上位机计算机器人关节输出力矩的方式时,上位机经过神经网计算后将得到的机器人关节输出力矩再发送给关节控制器或通过上位机直接进行力矩控制。

8.一种具有双编码器的机器人关节,该机器人关节通过前述任一项权利要求1-7所述的机器人关节力矩测量方法测量机器人关节力矩,其特征在于,该机器人关节包括关节外壳、电机、关节控制器、谐波减速器、绝对值编码器A和绝对值编码器B,所述关节外壳包裹在机器人关节外部,所述电机、关节控制器、谐波减速器、绝对值编码器A和绝对值编码器B安装在所述关节外壳内,所述绝对值编码器A安装在所述电机上所述绝对值编码器B安装在所述谐波减速器的输出端;所述绝对值编码器A和绝对值编码器B均与所述关节控制器连接;所述关节控制器分别与所述电机和上位机连接。

9.一种机器人,该机器人包括前述权利要求8所述的具有双编码器的机器人关节,并通过前述任一项权利要求1-7所述基于双编码器的机器人关节力矩测量方法测量机器人关节力矩。

10.本发明还提供一种计算机可读存储介质,其中存储有程序,该程序被执行时,实现前述任一项权利要求1-7所述基于双编码器的机器人关节力矩测量方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海岭先机器人科技股份有限公司,未经上海岭先机器人科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811550766.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top