[发明专利]一种用于机器人系统的灰箱模型参数辨识方法及系统

说明书

本发明公开了一种用于机器人系统的灰箱模型参数辨识方法及系统。该方法包括：在工作空间选取的每个操作点均对机器人系统进行多次闭环激励，得到操作点每次闭环激励的时域输入输出数据；对时域输入输出数据进行非线性抑制和离散傅里叶变换确定测试频率响应函数；由操作点对应的状态数据、机器人系统的刚体参数、关节刚度参数和关节阻尼参数构建机器人系统的扩展柔性关节动力学模型，并确定灰箱模型频率响应函数；由测试频率响应函数与灰箱模型频率响应函数之间的对数误差构建目标优化函数；通过对目标优化函数求解得到最优关节刚度参数和最优关节阻尼参数。本发明能够实现对机器人系统的动力学模型中未知关节弹性参数的准确辨识。

技术领域

本发明涉及机器人系统参数辨识领域，特别是涉及一种用于机器人系统的灰箱模型参数辨识方法及系统。

背景技术

随着我国制造业的转型升级，发展和应用以工业机器人为代表的自动化设备平台，对于生产模式转型升级和装备先进制造能力提升具有十分重要的战略意义。现代制造业，尤其是高精尖产业对工业机器人的工作节拍、负载能力和工作精度提出了严格要求，使其面临高速、重载等极限工况，且工业机器人的轻量化设计已成为发展趋势，从而使其具有复杂刚柔耦合动力学特性，建立表征系统特性的高精度动力学模型，并准确获取模型中的未知参数，才能为机器人系统分析、设计及控制应用奠定坚实的基础。

扩展柔性关节模型可充分表征高速、重载等极限工况下包括齿轮箱、轴承、臂杆柔性、末端工具和基座变形等复杂柔性因素，但在模型参数的精准辨识方面存在挑战。当前，刚体模型的参数辨识方法已经成熟，而柔性关节参数辨识仅考虑限于特定构型有效的局部模型，目前还缺乏适用于全工作空间的全局模型辨识研究。当操作点扩展到全工作空间时，工业机器人中的非线性因素变得更加复杂多样，对于这种强非线性刚柔耦合动力学模型，传统的时域辨识方法需要求解刚性、大型的微分方程，且优化对初值很敏感，因此具有强数值刚性、密集性和敏感性的缺点，使得动力学模型的精度不高，不能准确地对机器人系统进行分析、设计及控制应用。

发明内容

基于此，有必要提供一种用于机器人系统的灰箱模型参数辨识方法及系统，以实现对机器人系统的动力学模型中未知关节弹性参数的准确辨识，进而获得高精度动力学模型，为机器人系统分析、设计及控制应用奠定坚实的基础。

为实现上述目的，本发明提供了如下方案：

一种用于机器人系统的灰箱模型参数辨识方法，包括：

在机器人系统的工作空间选取多个操作点；一个所述操作点对应一个机器人初始构型；多个所述操作点覆盖所述机器人系统的全工作空间；

在每个所述操作点均对所述机器人系统进行多次闭环激励，得到所述操作点的每次闭环激励的时域输入输出数据；所述闭环激励的激励信号为正交随机相位多正弦信号与低频正弦信号的叠加信号；所述激励信号作为所述机器人系统的驱动关节角位置参考信号；所述时域输入输出数据包括电机扭矩数据和关节角位置数据；

对所述时域输入输出数据进行非线性抑制和离散傅里叶变换，确定所述机器人系统的测试频率响应函数；

由每个所述操作点对应的状态数据、所述机器人系统的刚体参数、关节刚度参数和关节阻尼参数构建所述机器人系统的扩展柔性关节动力学模型；所述扩展柔性关节动力学模型为非线性灰箱模型；

基于线性系统理论，确定灰箱模型频率响应函数；所述灰箱模型频率响应函数为所述扩展柔性关节动力学模型的频率响应函数；

计算所述测试频率响应函数与所述灰箱模型频率响应函数之间的对数误差，并由所述对数误差构建目标优化函数；

采用无约束多变量函数的非线性规划求解器对所述目标优化函数进行求解，得到最优解；所述最优解包括最优关节刚度参数和最优关节阻尼参数；所述最优解构成的扩展柔性关节动力学模型为最优扩展柔性关节动力学模型；所述最优扩展柔性关节动力学模型用于表征所述机器人系统的动力学特性。