一种充电枪插拔疲劳补偿与位姿自适应修正方法

本发明属于机器人控制，具体涉及一种用于新能源汽车充电机器人的充电枪插拔控制方法，尤其是一种在长期重复插拔作业中对机械臂关节累积误差进行在线辨识与自适应补偿的技术方案。

背景技术：

1、

2、随着自动充电机器人的快速发展，充电机器人需要在充电站场景中执行大量的插拔作业。以比亚迪闪充站为例，单台充电机器人每天可能需要执行数十次甚至上百次的插拔操作。在长期重复插拔作业中，机械臂的关节间隙、弹性变形和磨损会导致末端执行器的位姿精度逐渐下降，直接影响充电枪与车辆充电口的对接成功率和使用寿命。

3、经检索，与本技术相关的现有技术如下：

4、一、基于力觉的插拔控制技术

5、对比文件1：国际公布号为wo2023116667a1的pct专利申请（申请日2022年12月29日）公开了一种控制机械臂充电的方法。其技术方案为：通过力传感器采集充电插头与充电口之间接触面的作用力信息；根据作用力信息确定位姿调整参数；将机械臂主体的位姿由第一位姿矫正为第二位姿；其中第二位姿为充电头与充电孔对齐时的位姿。该技术利用力觉反馈进行单次插拔过程中的位姿矫正，但未涉及长期重复插拔作业中关节累积误差的辨识与补偿。

6、对比文件2：公开号为cn119682571a的中国专利申请（岚图汽车科技有限公司，申请日2024年12月24日）公开了一种车辆充电的控制方法。其技术方案为：确定充电枪在插拔充电口过程中的受力状态；根据受力状态确定是否存在力或力矩的变化值大于预设阈值；若是则基于变化值和预设初始受力值对充电枪的位姿进行调整。该技术同样为单次插拔过程中的力觉反馈控制，未涉及长期作业的疲劳补偿。

7、对比文件3：公开号为cn106335057a的中国专利申请（东南大学，申请日2016年9月27日）公开了一种基于实时力控的装配机器人全空间柔顺插孔控制方法。其技术方案为：利用六维腕力传感器搭建实时力控系统；采用基于标准位置的重力补偿方法消除重力影响；对插孔任务的接近、寻孔、插入与插入完成四个阶段进行力/位混合控制。该技术为通用装配场景下的柔顺插孔控制，未涉及充电机器人特定场景，也未涉及长期重复作业的关节误差累积补偿。

8、二、基于视觉与力觉融合的位姿修正技术

9、对比文件4：公开号为cn121608159a的中国专利申请（辰致汽车科技集团有限公司，申请日2026年1月21日）公开了一种充电机器人插枪方法。其技术方案为：当机械臂末端抵达目标充电口前方的预设位置时，执行包含至少两个定位阶段的多阶段逼近控制；在每个定位阶段获取机械臂末端与目标充电口之间的当前位置偏差；若偏差小于阈值则进入下一阶段，否则基于调整系数进行姿态调整。该技术涉及多阶段逼近控制中的位姿偏差修正，但未涉及长期重复插拔中关节累积误差的建模与补偿。

10、对比文件5：公开号为cn120792570a的中国专利申请（申请日2025年6月27日）公开了一种基于机器视觉的充电桩电缆拔插系统。其技术方案为：通过多目视觉传感器捕捉电缆表面应变分布数据；建立包含时空关联特性的误差传递矩阵；生成末端执行器的位姿补偿量。该技术涉及基于视觉的位姿补偿，但补偿对象为电缆形变引起的误差，而非机械臂关节长期累积误差。

11、三、机械臂精度补偿技术

12、对比文件6：一篇关于机械臂视觉引导精准作业方法的中国专利（公开日2024年3月29日）公开了一种技术方案，通过求取能够补偿机械臂参数误差的补偿矩阵，对机械臂低精度参数所产生的负面效果进行有效补偿。该技术涉及机械臂参数误差的补偿，但补偿矩阵为静态标定结果，未涉及基于历史插拔数据的在线辨识与动态更新。

13、对比文件7：公开号为cn118942080a的中国专利申请（苏州海豚之星智能科技有限公司）公开了一种可精准视觉识别充电口位姿的无人叉车自主充电方法，利用语义分割进行充电口特征提取和位姿估计。该技术涉及充电口的视觉定位，未涉及机械臂关节误差的补偿。

14、四、关节磨损与疲劳相关技术

15、对比文件8：一篇关于“关节加速度驱动的冗余度机械臂均匀磨损运动控制方法”的中国专利（建设银行，公开日2026年4月29日）公开了一种技术方案，构建冗余度机械臂在各关节的磨损均匀参量表示。该技术涉及机械臂关节的均匀磨损控制，但其目标为“均匀磨损”（通过运动规划使各关节磨损均衡），而非对已发生的关节磨损导致的位姿偏差进行在线辨识与补偿。

16、现有技术的总体不足

17、综合上述对比文件，现有技术存在以下共同缺陷：

18、1. 缺乏对长期重复插拔作业中关节累积误差的在线辨识机制。现有技术（对比文件1、2、3）均为单次插拔过程中的力觉反馈控制，未考虑机械臂关节在长期使用后因间隙增大、弹性变形和磨损导致的位姿精度下降问题。

19、2. 缺乏基于历史插拔数据的关节误差累积模型。现有技术（对比文件6）虽涉及机械臂参数误差的补偿，但为静态标定结果，未建立基于历史数据的动态更新模型。

20、3. 缺乏将关节疲劳补偿量与实时力觉反馈相结合的修正机制。现有技术中，力觉反馈控制（对比文件1、2、3）与精度补偿（对比文件6、8）通常作为独立技术分别应用，未见将两者有机结合的方案。

21、4. 现有技术均未针对充电机器人高频次插拔作业场景进行专门优化。充电机器人每日需执行数十次甚至上百次插拔，关节疲劳累积速度远高于一般工业机器人应用场景。

技术实现思路

1、

2、一．要解决的技术问题

3、本发明针对现有技术的上述缺陷，提供一种充电枪插拔疲劳补偿与位姿自适应修正方法，旨在解决以下技术问题：（1）如何对长期重复插拔作业中机械臂关节的累积误差进行在线辨识；（2）如何建立基于历史插拔数据的关节误差累积模型；（3）如何将关节疲劳补偿量与实时力觉反馈相结合实现自适应位姿修正；（4）如何针对充电机器人高频次插拔场景进行专门优化。

4、二．技术方案

5、本发明提供一种充电枪插拔疲劳补偿与位姿自适应修正方法，包括以下步骤：

6、s1：力觉数据实时采集。 通过设置于充电机器人机械臂末端或充电枪上的力传感器，实时采集插拔过程中的力觉数据。

7、所述力传感器包括六维力传感器或一维/多维力传感器，安装于机械臂末端法兰与充电枪夹持机构之间，或直接安装于充电枪本体上。力觉数据包括：插拔方向（z轴）的力、垂直于插拔方向（x轴、y轴）的力、以及绕各轴的力矩。

8、s2：关节误差累积模型构建与在线辨识。 构建机械臂关节误差累积模型，基于历史插拔数据在线辨识因关节间隙和弹性变形引起的位姿偏差。

9、所述机械臂关节误差累积模型包括以下三个子模型：

10、（1）关节间隙模型——基于关节在空载与负载状态下的位置偏差建立。机械臂的每个旋转关节或移动关节均存在一定的机械间隙（backlash），在长期使用后间隙会逐渐增大。间隙模型描述关节角度指令值与实际到达角度值之间的偏差与关节负载状态之间的关系。

11、（2）关节弹性变形模型——基于关节受力与变形量的关系建立。机械臂在插拔过程中承受较大的力和力矩，各关节的传动部件（如减速器、谐波减速机等）会发生弹性变形，导致末端位姿偏差。弹性变形模型描述关节受力与变形量之间的关系。

12、（3）关节磨损退化模型——基于插拔次数与关节精度衰减的关系建立。随着插拔次数的增加，关节的传动部件会发生磨损，导致精度逐渐下降。磨损退化模型描述累计插拔次数与关节精度衰减之间的关系。

13、所述在线辨识的具体方法为：在每次插拔作业完成后，记录机械臂末端执行器的实际到达位置与理论目标位置之间的偏差；基于所述偏差数据，采用递推最小二乘法（recursive least squares, rls）或卡尔曼滤波法（kalman filter）更新所述关节误差累积模型的参数。通过不断积累历史数据，模型参数逐渐收敛到真实值，实现对关节状态的持续跟踪。

14、s3：关节疲劳补偿量计算。 根据当前累计插拔次数和所述力觉数据，计算关节疲劳补偿量。

15、具体地，计算过程分为两步：

16、（1）预测位姿偏差查询——根据当前累计插拔次数查询所述关节误差累积模型（特别是磨损退化模型），获得各关节在当前磨损状态下的预测位姿偏差。

17、（2）力觉数据修正——根据当前插拔过程中采集的力觉数据判断受力状态，对所述预测位姿偏差进行修正。例如，当检测到插拔方向阻力偏大时，说明关节可能存在额外的弹性变形或卡滞，需要增大对应方向的补偿量；当检测到侧向力偏大时，说明末端可能存在横向偏差，需要调整垂直于插拔方向的补偿量。

18、所述关节疲劳补偿量的计算公式为：

19、

20、其中，为关节疲劳补偿量，n为当前累计插拔次数，f为当前力觉数据，为关节误差累积模型的当前参数。

21、s4：修正后插拔轨迹生成。 将所述关节疲劳补偿量叠加至目标位姿，生成修正后的插拔轨迹。

22、具体地：将所述关节疲劳补偿量分解为各关节的角度补偿值；将各关节的角度补偿值叠加至各关节的目标角度，生成各关节的修正后运动指令。

23、修正后的目标位姿为：

24、

25、其中，为原始目标位姿，为修正后的目标位姿

26、s5：基于力觉反馈的位姿修正量动态调整。 在插拔过程中，基于实时力觉反馈动态调整位姿修正量，直至插拔完成。

27、具体地：

28、（1）当检测到插拔方向（z轴）上的阻力超过预设阈值时，增大对应方向的位姿修正量，使充电枪以更合适的角度和位置继续插入；

29、（2）当检测到侧向（x轴或y轴）的力超过预设阈值时，调整垂直于插拔方向的位姿修正量，消除横向偏差；

30、（3）当检测到绕各轴的力矩超过预设阈值时，调整姿态角修正量，消除姿态偏差。

31、优选地，所述方法还包括：当单次插拔过程中的累计力觉数据超过预设安全阈值时，触发安全保护机制，停止插拔动作并发出报警信号，防止损坏充电枪或车辆充电口。

32、三．有益效果

33、1. 建立了针对长期重复插拔作业的关节误差累积模型。相比于现有技术中仅关注单次插拔力觉反馈控制的方案（对比文件1、2、3），本发明建立了包含间隙模型、弹性变形模型和磨损退化模型的完整关节误差累积模型，实现了对关节状态的全方位跟踪。

34、2. 实现了基于历史插拔数据的在线参数辨识。相比于现有技术中静态标定的补偿方案（对比文件6），本发明采用递推最小二乘法或卡尔曼滤波法，基于每次插拔后的偏差数据持续更新模型参数，使补偿量能够跟随关节状态的变化而自适应调整。

35、3. 将关节疲劳补偿与实时力觉反馈有机结合。相比于现有技术中力觉反馈控制（对比文件1、2、3）与精度补偿（对比文件6、8）相互独立的应用方式，本发明将基于历史数据的疲劳补偿作为“前馈”修正量，将实时力觉反馈作为“反馈”修正量，两者协同作用实现了更精准的位姿控制。

36、4. 专为充电机器人高频次插拔场景定制。本发明的磨损退化模型专门针对充电机器人每日数十次甚至上百次插拔的高频次作业场景设计，能够有效延长机械臂的精度保持周期和充电枪的使用寿命