基于弹性摩擦模型的机器人免力矩传感器拖动示教方法

基于广义动量的外力观测器和导纳控制方案,采用弹性摩擦模型估计关节摩擦力,并对关节起动阶段的摩擦估计值进行规划,实现了免力矩传感器的机器人拖动示教。基于机器人的动力学模型和运动状态,建立了基于广义动量的机器人外力观测器,观测操作者对机器人施加外力。采用导纳控制方案,根据观测的外力生成关节运动轨迹,实现机器人的拖动示教。采用弹性摩擦模型对关节摩擦进行建模,并在模型中引入Stribeck摩擦项,实现关节在低速和静止状态下的摩擦力估计。为解决关节在静止状态下拖动困难的问题,对关节起动阶段的摩擦力估计进行规划,通过短暂增加关节摩擦的估计值以增加关节驱动力矩,从而实现关节的轻松拖动,且起动规划算法不会对机器人关节的其他运动阶段造成影响。实验表明,采用本文控制方案可有效实现免力矩传感器的工业机器人拖动示教。采用起动规划方案可有效增加关节起动外力和缩短关节起动时间,在起动阶段关节可以短暂产生26 N·m以上的估计力矩,相比未使用规划时关节的起动时间至少可减少70%。同时,关节在起动阶段具有一定的抗干扰能力。

基于BP神经网络的机器人波动摩擦力矩修正方法

针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩,提出一种基于傅里叶级数函数和BP神经网络的建模方法,并完善机器人的动力学模型,修正了因波动摩擦力矩带来的关节力矩计算误差.通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性,采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模.通过添加傅里叶级数函数作为BP神经网络的辅助输入,克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难.在离线环境下训练神经网络,完成对关节波动摩擦力矩的建模,进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩.验证实验表明,使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩,并使修正后的力矩误差维持在[-0.5,0.5]N·m的范围之内,方差为0.1659 N^2·m^2,是修正前的24.23%.