一种基于自适应阈值与基线学习的工业机器人碰撞检测方法及系统与流程

本发明涉及工业机器人，具体涉及一种基于自适应阈值与基线学习的工业机器人碰撞检测方法及系统。

背景技术：

1、工业机器人在现代化生产中承担着焊接、装配、喷涂、搬运等关键作业任务，其工作环境日趋复杂，人机协作日益密切，安全已成为机器人技术的重要指标之一。工业机器人在生产线上与人协同作业或与周边环境交互时，不可避免存在意外碰撞风险，轻则损坏工件与夹具，重则导致机械结构永久损伤甚至危及人员安全。因此，工业机器人系统必须具备实时、可靠的碰撞检测能力，以便在碰撞发生的毫秒级时间内触发安全保护动作，最大限度降低损失。

2、在现有多种碰撞检测技术路线中，基于动力学模型的碰撞检测方法因无需额外外部传感器，成为当前无传感器碰撞检测领域的主流技术路线。其利用机器人动力学模型计算期望关节力矩，与实际力矩比较得到残差，将残差与预设阈值对比以判断碰撞是否发生。然而，现有基于动力学模型的方案大多采用固定阈值进行判断，在实际工程应用中面临一系列难以克服的性能瓶颈。

3、现有技术的主要问题在于，建模误差并非固定幅值的平稳噪声，而是随运动状态和负载条件呈现显著的非线性时变特性。固定阈值无法随关节运动状态动态调节检测门限，在高速、大加速度工况下，摩擦模型不精确和惯性力计算偏差所带来的正常力矩波动幅度远超固定阈值，从而引发大量误报；而若为提高抗干扰能力而人为抬高阈值，则低速、轻载工况下的微弱碰撞信号将被完全淹没，造成漏报，二者构成难以调和的矛盾。

4、与此同时，现有方案对机器人运行中的非稳态瞬态过程缺乏有效的甄别机制，特别是急减速阶段，伺服控制延迟与非线性摩擦滞后效应会激发幅值特征与真实碰撞高度相似的力矩尖峰，传统方案因无法识别这一特定运动模式而频繁误触发，严重干扰正常生产节拍。

5、此外，现有技术缺乏对模型误差分布特征的在线感知与自适应能力。当机器人负载变化或因机型结构差异导致惯量参数变化时，残差信号的统计分布会发生显著漂移，而固定阈值或简单线性调节无法自动跟踪这种变化，必须依赖人工反复整定，严重制约了算法在不同负载和机型间的通用性与快速部署能力。

6、现有方案的单周期、单关节独立判定逻辑亦存在天然脆弱性，电磁干扰、通信抖动等偶发因素仅凭单次采样即可触发报警，缺乏时间维度上的持续性检验与空间维度上的多关节协同校验，系统鲁棒性严重不足。多数现有方法仅输出碰撞是否发生的二元结果，无法根据碰撞强度分级响应，不利于精细化安全控制和产线连续性保障。

7、综上，现有工业机器人碰撞检测技术在动态工况适应性、瞬态干扰识别、负载自适应、抗噪机制及分级响应等方面均存在明显不足，亟需一种能够综合解决上述问题的智能碰撞检测方法。

技术实现思路

1、针对现有技术存在的问题，本发明的目的在于提供一种基于自适应阈值与基线学习的工业机器人碰撞检测方法及系统，使碰撞检测阈值能够根据关节运动状态实时动态调节，从而在不同运动工况下均能保持稳定的检测灵敏度与较低的误报率。

2、为实现上述目的，本发明采用的技术方案如下：

3、一种基于自适应阈值与基线学习的工业机器人碰撞检测方法，所述方法在每个控制周期内依次执行以下步骤：

4、接收伺服系统反馈的关节角速度信号和关节角加速度信号，并采用一阶低通滤波器对接收的非首帧关节角速度信号和关节角加速度信号进行滤波，首帧则直接赋值；

5、接收伺服系统反馈的关节角度以及滤波后角速度和滤波后角加速度，利用机器人动力学模型计算无碰撞条件下的期望关节力矩；

6、接收伺服系统反馈的实际力矩以及期望力矩，比较实际力矩与期望力矩的偏差，逐关节计算原始力矩残差，并对原始力矩残差进行二次低通滤波，得到滤波后残差；

7、根据滤波后的当前关节运动状态计算自适应碰撞阈值，所述自适应碰撞阈值由基础阈值、速度相关项和加速度相关项线性叠加构成；

8、同时，在正常运行期间通过滑动窗口统计滤波后残差的分布特征，以所述分布特征计算阈值下限；

9、取所述自适应碰撞阈值与所述阈值下限中的最大值作为最终阈值；

10、根据滤波后残差与最终阈值计算残差阈值比，并获取最大残差阈值比，当最大残差阈值比大于警告级阈值比时判定碰撞发生。

11、所述滤波后的角速度和角加速度如下：

12、

13、

14、其中，为第个周期第关节的滤波后角速度，为第个周期伺服系统反馈的第关节原始角速度，为速度滤波系数，为第个周期第关节的滤波后角加速度，为第个周期伺服系统反馈的第关节原始角加速度，为加速度滤波系数；

15、所述期望力矩计算如下：

16、

17、其中，为最小参数回归矩阵，为辨识得到的最小惯量参数估计值；为关节角度，为滤波后角速度，为滤波后角加速度。

18、所述原始力矩残差计算如下：

19、

20、其中，为第关节原始力矩残差，为伺服反馈的实际力矩，为模型计算的期望力矩；

21、滤波后残差如下：

22、

23、其中，为第个周期第关节滤波后残差，为残差滤波系数。

24、所述自适应阈值计算如下：

25、

26、其中，为速度项系数，为加速度项系数；

27、所述基线下限计算如下：

28、

29、其中，为标准差倍数；、分别为残差滑动均值和标准差，计算下：

30、

31、

32、其中，w为滑动窗口长度，为窗口内第个残差样本。

33、残差阈值比计算如下：

34、。

35、通过滑动窗口统计滤波后残差的分布特征时，滑动窗口随时间推移不断更新；在更新滑动窗口之前先进行急减速条件判定，判定条件为：

36、

37、其中，为急减速速度阈值，为急减速加速度阈值；

38、急减速期间不更新基线窗口、不递增碰撞确认计数器，仅在非急减速期间更新窗口。

39、根据残差与阈值的比值判定碰撞严重程度，具体如下：

40、紧急级：≥；

41、碰撞级：>≥；

42、警告级：>≥；

43、无碰撞：<，

44、其中，为紧急级阈值比，，为碰撞级阈值比，为警告级阈值比，<<。

45、判定碰撞发生时，进行多关节投票与连续确认：

46、超阈值关节计数：

47、

48、若超阈值关节计数≥，则该周期判定为候选碰撞，记为标志位=1，否则=0；

49、若=1，则连续确认计数=+1；否则=0；

50、当连续确认计数≥时，判定碰撞发生，输出碰撞标志、碰撞轴号和碰撞严重程度，其中，为连续确认计数阈值。

51、一种基于自适应阈值与基线学习的工业机器人碰撞检测系统，部署于机器人控制器内，其包括：

52、状态滤波器，其输入端连接伺服系统的反馈通道，接收伺服系统反馈的关节角速度和关节角加速度，对所述关节角速度和关节角加速度进行一阶低通滤波，输出滤波后的关节运动状态；

53、动力学模型模块，其第一输入端连接所述状态滤波器的输出端，接收所述滤波后的关节运动状态，其第二输入端连接伺服系统的角度反馈通道，接收关节角度；所述动力学模型模块内置最小参数回归矩阵和预先辨识的惯性参数，根据关节状态计算期望力矩并输出；

54、残差计算器，其第一输入端连接所述动力学模型模块的输出端，接收所述期望力矩，其第二输入端连接伺服系统的力矩反馈通道，接收实际力矩；所述残差计算器计算实际力矩与期望力矩之差的绝对值得到力矩残差，并对所述力矩残差进行一阶低通滤波，输出滤波后残差；

55、基线学习模块，其输入端连接所述残差计算器的输出端，接收所述滤波后残差，在正常运行期间通过滑动窗口统计残差分布特征，计算阈值下限并输出；

56、阈值管理器，其第一输入端连接所述状态滤波器的输出端，接收所述滤波后的关节运动状态，其第二输入端连接所述基线学习模块的输出端，接收所述阈值下限；所述阈值管理器根据关节运动状态计算自适应碰撞阈值，所述自适应碰撞阈值由基础阈值、速度相关项和加速度相关项线性叠加构成，并取所述自适应碰撞阈值与所述阈值下限中的最大值作为最终阈值输出；

57、碰撞判定器，其第一输入端连接所述残差计算器的输出端，接收所述滤波后残差，其第二输入端连接所述阈值管理器的输出端，接收所述最终阈值；所述碰撞判定器将滤波后残差与最终阈值比较，当残差超过阈值时判定碰撞发生，输出碰撞检测结果。

58、所述状态滤波器的输出端还连接所述碰撞判定器的第三输入端，将滤波后的关节运动状态输出至所述碰撞判定器用于急减速判断；

59、所述碰撞判定器还执行急减速瞬态干扰排除判断、多关节投票、严重程度分级和连续确认中的至少一种；

60、所述急减速瞬态干扰排除判断为：当滤波后角速度的绝对值超过速度阈值且滤波后角加速度小于负的加速度阈值时，判定机器人处于急减速状态，在急减速状态期间暂停滑动窗口的更新且不递增碰撞确认计数；

61、所述多关节投票为：计算各关节残差与最终阈值的比值，统计比值超过警告级阈值比的关节数，当超阈值关节数达到投票阈值时，该控制周期判定为候选碰撞；

62、所述严重程度分级为：取各关节残差与最终阈值比值中的最大值，按最大值与警告级阈值比、碰撞级阈值比、紧急级阈值比的比较结果，将碰撞严重程度分为警告级、碰撞级和紧急级；

63、所述连续确认为：当某一控制周期被判定为候选碰撞时，连续确认计数递增，否则归零，当连续确认计数达到连续确认阈值时，最终确认碰撞发生。

64、采用上述方案后，本发明通过自适应阈值计算与基线学习机制的协同作用，有效解决了现有基于动力学模型的碰撞检测方法因采用固定阈值而无法适应动态工况的核心问题。具体而言，本发明将碰撞检测阈值分解为基础阈值、速度相关项和加速度相关项三部分线性叠加，使阈值能够随关节运动速度和加速度实时动态调节：机器人高速运动时阈值适当放宽，避免正常力矩波动引发误报；低速运动时阈值自动收紧，确保微弱碰撞信号不被淹没。与此同时，基线学习模块在正常运行期间通过滑动窗口持续统计残差分布的均值和标准差，以均值加标准差倍数的方式动态修正阈值下限，使系统能够自动跟踪因负载变化或机型差异导致的残差分布漂移，无需人工反复整定阈值。上述两项机制的协同作用，使本方法在高速重载与低速轻载等不同工况下均能保持稳定的检测灵敏度与较低的误报率，克服了传统固定阈值方案中灵敏度与误报率难以兼顾的固有矛盾。

65、此外，本发明通过急减速瞬态干扰识别与排除机制，当关节速度超过速度阈值且加速度小于负的加速度阈值时，判定机器人处于急减速状态并暂停基线窗口更新和碰撞确认计数，有效避免了正常急减速过程中因摩擦模型误差产生的力矩尖峰被误判为碰撞。

66、再者，本发明通过多关节投票与连续确认机制，要求至少两个关节同时超过阈值且连续三个控制周期均满足碰撞条件才最终确认碰撞，有效抑制了电磁干扰、通信抖动等瞬态因素导致的单次误触发，提升了系统在复杂工业现场环境下的鲁棒性。