机器人机械臂关节摩擦力补偿方法及系统与流程

1.本发明涉及摩擦力测量计算的领域，具体地，涉及一种机器人机械臂关节摩擦力补偿方法及系统。

背景技术：

2.机械臂关节运动过程中，存在着静摩擦、库仑摩擦、粘性摩擦等摩擦力，且存在非线性特性。这些摩擦力可能会增大伺服定位系统的稳态误差，导致伺服系统运行中反复调整而产生振动，并增大高速运行时伺服系统的跟踪误差。
3.因此，机械臂运动控制时需要对这些摩擦力进行补偿以确保机械臂运动动作准确，现有技术中，一般采用线性模型和非线性模型进行摩擦力补偿。如果对摩擦力的建模使用简单的线性模型，准确度不高。如果使用非线性模型，由于摩擦力在静止和低速的时候很难准确测力量，所以通过测量和数据拟合的方法很难准确的识别这些参数。因此如何计算和补偿摩檫力，是本领域技术人员需要解决的技术问题。

技术实现要素：

4.针对现有技术中的缺陷，本发明的目的是提供一种机器人机械臂关节摩擦力补偿方法及系统。
5.根据本发明提供的一种机器人机械臂关节摩擦力补偿方法，包括以下步骤：
6.步骤s1：采集机器人机械臂关节的运动数据，处理后得到动摩擦力数据和静摩擦力数据；
7.步骤s2：建立摩擦力径向基网络，使用动摩擦力数据和静摩擦力数据进行对网络进行训练；
8.步骤s3：使用训练好的摩擦力径向基网络测量机器人的关节摩擦力，并将计算结果补偿到机器人控制系统中。
9.优选地，所述动摩擦数据获取包括：对被测机器人关节在转速范围内设置多个转速值，采集机器人关节在匀速运动中相同位置时正反运动的力矩值t
正
和t
负
，计算动摩擦力tf＝(t
正-t
负
)/2，得到多组不同速度下的动摩擦力数据。
10.优选地，所述静摩擦力数据获取包括：获取被测机器人关节在启动时的力矩t
正0
，以及关节正反运动结束时的力矩t
负0
，计算机械臂动摩擦力t
f0
＝(t
正0-t
负0
)/2，得到静摩擦力数据。
11.优选地，所述步骤s2包括：计算关节在各个速度下的摩擦力，使用matlab的newrb函数进行训练，得到训练后的摩擦力径向基网络。
12.优选地，所述步骤s3包括：关节转速范围内的任意速度v对应的关节摩擦力其中c表示径向基函数的中心向量组成的矩阵，隐藏层x个神经元，维度为x*1；s表示隐藏层径向基函数的宽度，隐藏层x个神经元，维度为x*1；w表示输出层的权重矩阵，b表示输出层的偏置，e表示自然常数。
13.根据本发明提供的一种机器人机械臂关节摩擦力补偿系统，包括以下模块：
14.模块m1：采集机器人机械臂关节的运动数据，处理后得到动摩擦力数据和静摩擦力数据；
15.模块m2：建立摩擦力径向基网络，使用动摩擦力数据和静摩擦力数据进行对网络进行训练；
16.模块m3：使用训练好的摩擦力径向基网络测量机器人的关节摩擦力，并将计算结果补偿到机器人控制系统中。
17.优选地，所述动摩擦数据获取包括：对被测机器人关节在转速范围内设置多个转速值，采集机器人关节在匀速运动中相同位置时正反运动的力矩值t
正
和t
负
，计算动摩擦力tf＝(t
正-t
负
)/2，得到多组不同速度下的动摩擦力数据。
18.优选地，所述静摩擦力数据获取包括：获取被测机器人关节在启动时的力矩t
正0
，以及关节正反运动结束时的力矩t
负0
，计算机械臂动摩擦力t
f0
＝(t
正0-t
负0
)/2，得到静摩擦力数据。
19.优选地，所述模块m2包括：计算关节在各个速度下的摩擦力，使用matlab的newrb函数进行训练，得到训练后的摩擦力径向基网络。
20.优选地，所述模块m3包括：关节转速范围内的任意速度v对应的关节摩擦力其中c表示径向基函数的中心向量组成的矩阵，隐藏层x个神经元，维度为x*1；s表示隐藏层径向基函数的宽度，隐藏层x个神经元，维度为x*1；w表示输出层的权重矩阵，b表示输出层的偏置，e表示自然常数。
21.与现有技术相比，本发明具有如下的有益效果：
22.1、本发明的计算方法能够根据机器人机械臂关节的运动状态计算出机械臂的摩擦力，从而使机器人控制系统对摩擦力进行补偿。
23.2、本发明的方法能够很好地逼近机械臂关节静止和运动时的摩擦力。
附图说明
24.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
25.图1为本发明关节摩擦力补偿方法流程图。
具体实施方式
26.下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
27.实施例1
28.参照图1，本发明公开一种机器人机械臂关节摩擦力补偿方法，包括以下步骤：
29.步骤s1：采集机器人机械臂关节的运动数据，处理后得到动摩擦力数据和静摩擦力数据。具体如下：
30.动摩擦力数据获取：针对被测量的机器人关节，锁定其他关节，在被测量关节转速
范围内预设n组不同转速(一般n＞10)，采集关节运动过程中位置、速度和力矩数据。选取匀速段数据，根据关节在相同位置做正反两次运动的力矩值t
正
，t
负
，计算摩擦力tf＝(t
正-t
负
)/2，得到n组不同速度下的摩擦力转速数据。
31.静摩擦力数据获取：选择一组关节转速的运动数据(位置，速度，力矩)，关节刚刚启动时的力矩为t
正0
，关节正反运动结束后稳定下来的力矩为t
负0
，计算摩檫力t
f0
＝(t
正0-t
负0
)/2。得到静摩擦力数据。
32.步骤s2：建立摩擦力径向基网络，使用动摩擦力数据和静摩擦力数据进行对网络进行训练。计算关节在各个速度下的摩擦力，使用matlab的newrb函数训练得到径向基网络net。
33.步骤s3：使用训练好的摩擦力径向基网络测量机器人的关节摩擦力，并将计算结果补偿到机器人控制系统中。
34.机器人关节运动过程中，通过编码器反馈数据可以得到当前关节的速度v，根据计算当前的关节摩擦力，其中c表示径向基函数的中心向量组成的矩阵，隐藏层x个神经元，维度为x*1；s表示隐藏层径向基函数的宽度，隐藏层x个神经元，维度为x*1；w表示输出层的权重矩阵，b表示输出层的偏置，e表示自然常数。将计算的关节摩擦力补偿到机器人控制系统中。
35.实施例2
36.本实施例公开一种机器人机械臂关节摩擦力补偿系统，包括以下模块：
37.模块m1：采集机器人机械臂关节的运动数据，处理后得到动摩擦力数据和静摩擦力数据。
38.具体的，动摩擦数据获取包括：对被测机器人关节在转速范围内设置多个转速值，采集机器人关节在匀速运动中相同位置时正反运动的力矩值t
正
和t
负
，计算动摩擦力tf＝(t
正-t
负
)/2，得到多组不同速度下的动摩擦力数据。
39.静摩擦力数据获取包括：获取被测机器人关节在启动时的力矩t
正0
，以及关节正反运动结束时的力矩t
负0
，计算机械臂动摩擦力t
f0
＝(t
正0-t
负0
)/2，得到静摩擦力数据。
40.模块m2：建立摩擦力径向基网络，使用动摩擦力数据和静摩擦力数据进行对网络进行训练。计算关节在各个速度下的摩擦力，使用matlab的newrb函数进行训练，得到训练后的摩擦力径向基网络。
41.模块m3：使用训练好的摩擦力径向基网络测量机器人的关节摩擦力，并将计算结果补偿到机器人控制系统中。关节转速范围内的任意速度v对应的关节摩擦力其中c表示径向基函数的中心向量组成的矩阵，隐藏层x个神经元，维度为x*1；s表示隐藏层径向基函数的宽度，隐藏层x个神经元，维度为x*1；w表示输出层的权重矩阵，b表示输出层的偏置，e表示自然常数。
42.本发明公开的摩擦力补偿方法能够有效补偿机器人关节的摩檫力，由于神经网络具有对任意函数的良好逼近能力，尤其是径向基函数网路具有网络简单和收敛快速的特点，可以作为摩擦力模型的良好选择。基于径向基函数网络的方法，能够很好的逼近静止和低速时候的摩擦力。
43.本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统
及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
44.以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本技术的实施例和实施例中的特征可以任意相互组合。

技术特征：

1.一种机器人机械臂关节摩擦力补偿方法，其特征在于，包括以下步骤：步骤s1：采集机器人机械臂关节的运动数据，处理后得到动摩擦力数据和静摩擦力数据；步骤s2：建立摩擦力径向基网络，使用动摩擦力数据和静摩擦力数据进行对网络进行训练；步骤s3：使用训练好的摩擦力径向基网络测量机器人的关节摩擦力，并将计算结果补偿到机器人控制系统中。2.根据权利要求1所述的机器人机械臂关节摩擦力补偿方法，其特征在于：所述动摩擦数据获取包括：对被测机器人关节在转速范围内设置多个转速值，采集机器人关节在匀速运动中相同位置时正反运动的力矩值t
正
和t
负
，计算动摩擦力t
f
＝(t
正-t
负
)/2，得到多组不同速度下的动摩擦力数据。3.根据权利要求1所述的机器人机械臂关节摩擦力补偿方法，其特征在于：所述静摩擦力数据获取包括：获取被测机器人关节在启动时的力矩t
正0
，以及关节正反运动结束时的力矩t
负0
，计算机械臂动摩擦力t
f0
＝(t
正0-t
负0
)/2，得到静摩擦力数据。4.根据权利要求1所述的机器人机械臂关节摩擦力补偿方法，其特征在于：所述步骤s2包括：计算关节在各个速度下的摩擦力，使用matlab的newrb函数进行训练，得到训练后的摩擦力径向基网络。5.根据权利要求1所述的机器人机械臂关节摩擦力补偿方法，其特征在于：所述步骤s3包括：关节转速范围内的任意速度v对应的关节摩擦力其中c表示径向基函数的中心向量组成的矩阵，隐藏层x个神经元，维度为x*1；s表示隐藏层径向基函数的宽度，隐藏层x个神经元，维度为x*1；w表示输出层的权重矩阵，b表示输出层的偏置，e表示自然常数。6.一种机器人机械臂关节摩擦力补偿系统，其特征在于，包括以下模块：模块m1：采集机器人机械臂关节的运动数据，处理后得到动摩擦力数据和静摩擦力数据；模块m2：建立摩擦力径向基网络，使用动摩擦力数据和静摩擦力数据进行对网络进行训练；模块m3：使用训练好的摩擦力径向基网络测量机器人的关节摩擦力，并将计算结果补偿到机器人控制系统中。7.根据权利要求1所述的机器人机械臂关节摩擦力补偿系统，其特征在于：所述动摩擦数据获取包括：对被测机器人关节在转速范围内设置多个转速值，采集机器人关节在匀速运动中相同位置时正反运动的力矩值t
正
和t
负
，计算动摩擦力t
f
＝(t
正-t
负
)/2，得到多组不同速度下的动摩擦力数据。8.根据权利要求1所述的机器人机械臂关节摩擦力补偿系统，其特征在于：所述静摩擦力数据获取包括：获取被测机器人关节在启动时的力矩t
正0
，以及关节正反运动结束时的力矩t
负0
，计算机械臂动摩擦力t
f0
＝(t
正0-t
负0
)/2，得到静摩擦力数据。9.根据权利要求1所述的机器人机械臂关节摩擦力补偿系统，其特征在于：所述模块m2包括：计算关节在各个速度下的摩擦力，使用matlab的newrb函数进行训练，得到训练后的
摩擦力径向基网络。10.根据权利要求1所述的机器人机械臂关节摩擦力补偿系统，其特征在于：所述模块m3包括：关节转速范围内的任意速度v对应的关节摩擦力其中c表示径向基函数的中心向量组成的矩阵，隐藏层x个神经元，维度为x*1；s表示隐藏层径向基函数的宽度，隐藏层x个神经元，维度为x*1；w表示输出层的权重矩阵，b表示输出层的偏置，e表示自然常数。

技术总结

本发明提供了一种机器人机械臂关节摩擦力补偿方法及系统，包括以下步骤：步骤S1：采集机器人机械臂关节的运动数据，处理后得到动摩擦力数据和静摩擦力数据；步骤S2：建立摩擦力径向基网络，使用动摩擦力数据和静摩擦力数据进行对网络进行训练；步骤S3：使用训练好的摩擦力径向基网络测量机器人的关节摩擦力，并将计算结果补偿到机器人控制系统中。本发明的方法能够很好地逼近机械臂关节静止和运动时的摩擦力。本发明的方法能够很好地逼近机械臂关节静止和运动时的摩擦力，从而计算出机械臂关节运动时的摩擦力。节运动时的摩擦力。节运动时的摩擦力。