[发明专利]机器人动力学参数辨识方法、装置、终端设备及存储介质

权利要求书

1.一种机器人动力学参数辨识方法，其特征在于，包括：

通过牛顿欧拉法建立机器人的逆动力学模型，所述逆动力学模型为其中，τ_j＝τ_m-τ_ext，τ_m为机器人关节伺服电机的力矩，τ_ext为外力矩，M为机器人惯量矩阵，C为哥氏离心力矩阵，G为重力，F为摩擦力，q为关节位置，为关节速度，为关节加速度；

对所述逆动力学模型中进行系数提取操作，建立观察矩阵；

根据预先生成的激励轨迹控制所述机器人的所有关节进行运动，将预设时间段内每一机器人控制周期对应的时刻值带入激励轨迹公式，得到并记录所述机器人的所有关节的关节运动数据；

根据所述关节运动数据、所述观察矩阵以及所述逆动力学模型，进行动力学参数辨识；

所述根据所述关节运动数据、所述观察矩阵以及所述逆动力学模型，进行动力学参数辨识，包括：

去除所述观察矩阵中的线性列相关向量；

将各组所述关节运动数据分别带入所述逆动力学模型，得到每一组关节运动数据的力矩矩阵；

将各组所述关节运动数据带入所述去除线性相关列向量后的观察矩阵，得到每一组关节运动数据的观察矩阵；

分别将每一组关节运动数据对应的力矩矩阵和观察矩阵进行拼接，得到列向量形式的力矩矩阵和第二目标观察矩阵；

根据所述逆动力学模型、所述力矩矩阵以及所述第二目标观察矩阵，通过最小二乘法计算出动力学参数。

2.根据权利要求1所述的机器人动力学参数辨识方法，其特征在于，在所述通过牛顿欧拉法建立机器人的逆动力学模型之前，还包括：

通过傅里叶级数构建所述激励轨迹的表达式模型；

根据所述表达式模型和所述观察矩阵，通过遗传算法生成所述激励轨迹。

3.根据权利要求2所述的机器人动力学参数辨识方法，其特征在于，所述根据所述表达式模型和所述观察矩阵，通过遗传算法生成所述激励轨迹，包括：

以所述表达式模型中的正余弦振幅参数作为染色体，初始化生成第一预设数量组的染色体；

将每一组所述目标染色体带入所述表达式模型，得到对应的目标关节运动数据；

将每一组染色体对应的所述目标关节运动数据带入所述观察矩阵中，得到对应的观察矩阵；

将各组染色体对应的观察矩阵进行拼接得到第一目标观察矩阵；

根据所述第一目标观察矩阵，构建适应度函数；

其中，所述适应度函数为n为采样点的总数量，和为采样到的速度和加速度，为所述目标观察矩阵，为的逆矩阵；

根据所述适应度函数进行交叉和变异，经过第二预设数量代的繁殖，得到目标结果；

从所述目标结果中选取符合预设条件的最优结果；

将所述最优结果带入所述表达式模型，得到所述激励轨迹。

4.根据权利要求1所述的机器人动力学参数辨识方法，其特征在于，所述根据预先生成的激励轨迹控制所述机器人的所有关节进行运动，记录所述机器人的所有关节的关节运动数据，包括：

根据所述激励轨迹和初始时刻，获得初始时刻的关节位置；

根据所述激励轨迹和各个预先设定的时间参数，依次记录每个时刻所述关节的实际位置参数、速度参数、加速度参数以及力矩数据。