机器人关节状态检测方法、装置、设备及存储介质与流程
本技术涉及机器人运动控制,尤其涉及机器人关节状态检测方法、装置、设备及存储介质。
背景技术:
1、在工业机器人、协作机器人等应用领域,对关节运动状态进行实时感知,是实现高精度伺服控制、振动抑制及碰撞检测的重要基础。其中,关节角加速度是反映关节动态特性的关键物理量。为获取该物理量,一种典型的传感器配置方式是在机器人关节处安装加速度传感器,以直接测量关节角加速度。
2、然而,由于加速度传感器自身存在测量噪声、偏置漂移,同时机器人关节在运行过程中伴随机械振动、电机谐波及负载扰动,这些因素均会耦合至传感器输出端,导致测量信号被严重污染。在此情况下,仅配置单路加速度传感器的机器人关节,其测量信号因噪声与扰动而无法直接用于实时控制。
3、综上,目前方案在机器人关节仅配置单路加速度传感器的情况下,其测量信号因噪声与扰动而无法直接用于实时控制。
技术实现思路
1、本技术的主要目的在于提供一种机器人关节状态检测方法、装置、设备及存储介质,旨在解决机器人关节仅配置单路加速度传感器的情况下,其测量信号因噪声与扰动而无法直接用于实时控制的技术问题。
2、为实现上述目的,本技术提出一种机器人关节状态检测方法,所述机器人关节状态检测方法包括:
3、构建以关节角度、关节角速度以及关节角加速度为状态变量的离散状态空间模型,其中,所述离散状态空间模型包括状态转移方程和测量方程;
4、获取滤波器的状态估计和协方差矩阵,根据所述状态估计和所述协方差矩阵生成采样点;
5、基于所述状态转移方程对所述采样点进行非线性传播,得到当前采样时刻的预测状态估计、预测协方差以及传播采样点;
6、根据所述测量方程对所述传播采样点进行映射,得到预测测量值;
7、采集机器人关节的角加速度测量值,并基于所述预测协方差、所述角加速度测量值以及所述预测测量值,修正所述预测状态估计,得到机器人关节的关节角度估计值、关节角速度估计值以及关节角加速度估计值。
8、在一实施例中,所述获取滤波器的状态估计和协方差矩阵,根据所述状态估计和所述协方差矩阵生成采样点,包括:
9、获取滤波器的状态估计和协方差矩阵;
10、以所述状态估计为中心,根据所述协方差矩阵确定采样点的分布范围;
11、在所述分布范围内生成采样点。
12、在一实施例中,所述获取滤波器的状态估计和协方差矩阵,包括:
13、在初始采样时刻,获取预设的初始状态估计和初始协方差;
14、将所述初始状态估计作为所述滤波器的状态估计,将所述初始协方差作为所述滤波器的协方差矩阵;
15、在当前采样时刻,获取前序采样时刻的修正状态估计和修正协方差;
16、将所述修正状态估计作为所述滤波器的状态估计,将所述修正协方差作为所述滤波器的协方差矩阵。
17、在一实施例中,所述构建以关节角度、关节角速度以及关节角加速度为状态变量的离散状态空间模型,包括:
18、获取状态变量,所述状态变量包括关节角度、关节角速度以及关节角加速度;
19、基于预设运动策略,根据所述状态变量建立状态转移方程;
20、以所述关节角加速度为观测量,建立测量方程;
21、根据所述状态转移方程和所述测量方程,构建离散状态空间模型。
22、在一实施例中,所述采集机器人关节的角加速度测量值,并基于所述预测协方差、所述角加速度测量值以及所述预测测量值,修正所述预测状态估计,得到机器人关节的关节角度估计值、关节角速度估计值以及关节角加速度估计值,包括:
23、采集机器人关节的角加速度测量值,并根据所述角加速度测量值与所述预测测量值,确定修正差异;
24、根据所述预测协方差确定修正权重;
25、根据所述修正差异和所述修正权重,修正所述预测状态估计,得到机器人关节的关节角度估计值、关节角速度估计值以及关节角加速度估计值。
26、在一实施例中,所述基于所述状态转移方程对所述采样点进行非线性传播,得到当前采样时刻的预测状态估计、预测协方差以及传播采样点,包括:
27、根据所述状态转移方程对每个采样点进行非线性计算,得到传播采样点;
28、对所述传播采样点进行加权统计,得到当前采样时刻的预测状态估计和预测协方差。
29、在一实施例中,所述根据所述测量方程对所述传播采样点进行映射,得到预测测量值,包括:
30、获取所述传播采样点中各采样点的状态变量值;
31、根据所述测量方程对所述状态变量值进行计算,得到各采样点对应的映射测量值;
32、对所述映射测量值进行加权统计,得到预测测量值。
33、此外,为实现上述目的,本技术还提出一种机器人关节状态检测装置,所述机器人关节状态检测装置包括:
34、模型构建模块,用于构建以关节角度、关节角速度以及关节角加速度为状态变量的离散状态空间模型,其中,所述离散状态空间模型包括状态转移方程和测量方程;
35、采样生成模块,用于获取滤波器的状态估计和协方差矩阵,根据所述状态估计和所述协方差矩阵生成采样点;
36、传播预测模块,用于基于所述状态转移方程对所述采样点进行非线性传播,得到当前采样时刻的预测状态估计、预测协方差以及传播采样点;
37、测量映射模块,用于根据所述测量方程对所述传播采样点进行映射,得到预测测量值;
38、预测修正模块,用于采集机器人关节的角加速度测量值,并基于所述预测协方差、所述角加速度测量值以及所述预测测量值,修正所述预测状态估计,得到机器人关节的关节角度估计值、关节角速度估计值以及关节角加速度估计值。
39、此外,为实现上述目的,本技术还提出一种机器人关节状态检测设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上文所述的机器人关节状态检测方法的步骤。
40、此外,为实现上述目的,本技术还提出一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上文所述的机器人关节状态检测方法的步骤。
41、此外,为实现上述目的,本技术还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如上文所述的机器人关节状态检测方法的步骤。
42、本技术提出的一个或多个技术方案,至少具有以下技术效果:
43、由于采用了以关节角度、关节角速度及关节角加速度为状态变量构建离散状态空间模型的手段,通过状态转移方程将三个状态量以运动学关系相互耦合,使得在仅获取关节角加速度单一测量值的情况下,滤波器能够在校正步中利用该测量值,经状态空间约束联动更新关节角度和角速度的估计值,从而解决了机器人关节仅配置单路加速度传感器时测量信号因噪声与扰动无法直接用于实时控制的技术问题。与现有滤波方法仅能对加速度信号本身进行平滑而无法同步恢复关节角度和角速度相比,将原本因噪声与扰动而无法直接使用的单路角加速度测量信号,处理为包含关节角度、关节角速度和关节角加速度的完整运动状态估计,为机器人关节的伺服控制、振动抑制及碰撞检测等应用提供了完整、实时的关节运动状态感知依据。本技术仅需单路加速度传感器即可同步输出滤波后的关节角度、角速度和角加速度估计值,降低了关节状态检测的硬件成本和系统复杂度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com