用于机械臂动力学参数辨识的激励轨迹生成方法和装置与流程

摘要: 本公开涉及机器人控制,尤其涉及一种用于机械臂动力学参数辨识的激励轨迹生成方法和装置、电子设备和计算机可读存储介质。背景技术:1、机械臂动力学参数辨识是获取机械臂...
用于机械臂动力学参数辨识的激励轨迹生成方法和装置与流程

本公开涉及机器人控制,尤其涉及一种用于机械臂动力学参数辨识的激励轨迹生成方法和装置、电子设备和计算机可读存储介质。

背景技术:

1、机械臂动力学参数辨识是获取机械臂各连杆质量、质心位置、惯性矩阵等惯性参数以及各关节摩擦力参数的重要手段,是实现高精度力控、前馈控制和动力学仿真等高级应用的基础。动力学参数辨识的核心步骤之一是设计激励轨迹,激励轨迹的质量直接决定了动力学参数辨识的精度。评价激励轨迹质量的关键指标是其对应的动力学回归矩阵的条件数。

2、现有技术中,激励轨迹通常采用傅里叶级数形式进行参数化表达,通过优化傅里叶系数来降低观测矩阵的条件数。然而,该类现有方案通常将傅里叶级数的基频固定为预设常数,仅将傅里叶系数作为优化变量,导致可行解空间受限,难以获得条件数足够低的激励轨迹。此外,现有方案在优化激励轨迹时通常强制约束轨迹的起始端点和终止端点的速度及加速度为零,这一强制约束进一步限制了优化变量的搜索空间,不利于降低观测矩阵的条件数。另一方面,现有方案在生成激励轨迹时未充分考虑机械臂的自碰撞问题以及与环境物体的碰撞问题,使得优化所得的轨迹在真实机械臂上执行时容易发生碰撞,缺乏物理可行性。再者,现有方案在求取最小可辨识参数集时通常未采用系统的数值方法,导致动力学回归矩阵的冗余参数未被有效剔除,增加了优化求解规模。

3、综上,如何精准地生成一种条件数低、无碰撞且参数表达高效的激励轨迹,是当前亟待解决的技术问题。

技术实现思路

1、有鉴于此,本公开实施例提供了一种用于机械臂动力学参数辨识的激励轨迹生成方法、装置、电子设备和计算机可读存储介质,以解决现有技术中激励轨迹质量低导致动力学参数辨识精度不足,且优化得到的轨迹缺乏物理可行性的技术问题。

2、本公开实施例的第一方面,提供了一种用于机械臂动力学参数辨识的激励轨迹生成方法,包括:获取机械臂的动力学参数辨识模型,采用傅里叶级数构建各关节的激励轨迹方程,激励轨迹方程包含常数项、正弦项系数、余弦项系数和基频,并将基频、正弦项系数和余弦项系数共同作为优化变量,常数项为固定参数;基于机械臂的urdf几何模型在关键连杆处设定若干个球形障碍物,根据各球形障碍物所在关节坐标系的三维坐标和设定的半径,利用机械臂正运动学计算各球形障碍物在笛卡尔空间中的实时球心位置,并根据各球形障碍物的实时球心位置和设定的半径构建包含自碰撞约束和环境碰撞约束的安全约束函数;以激励轨迹对应的动力学回归矩阵的条件数最小化为优化目标,以机械臂各关节的运动学约束以及安全约束函数为约束条件,构建约束优化问题并对优化变量进行数值求解,得到主激励轨迹的优化参数,其中,在约束优化问题的求解过程中,主激励轨迹的起始端点状态和终止端点状态不受零速零加速约束;在获取主激励轨迹的优化参数后,在主激励轨迹的起始端和终止端分别拼接前过渡轨迹段和后过渡轨迹段,得到整条速度连续且加速度连续的完整激励轨迹,其中,前过渡轨迹段用于使机械臂从预设的起始静止位姿运动至主激励轨迹的起始状态,后过渡轨迹段用于使机械臂从主激励轨迹的结束状态运动至预设的终止静止位姿。

3、本公开实施例的第二方面,提供了一种用于机械臂动力学参数辨识的激励轨迹生成装置,包括:方程构建模块,用于获取机械臂的动力学参数辨识模型,采用傅里叶级数构建各关节的激励轨迹方程,激励轨迹方程包含常数项、正弦项系数、余弦项系数和基频,并将基频、正弦项系数和余弦项系数共同作为优化变量,常数项为固定参数;位置计算模块,用于基于机械臂的urdf几何模型在关键连杆处设定若干个球形障碍物,根据各球形障碍物所在关节坐标系的三维坐标和设定的半径,利用机械臂正运动学计算各球形障碍物在笛卡尔空间中的实时球心位置,并根据各球形障碍物的实时球心位置和设定的半径构建包含自碰撞约束和环境碰撞约束的安全约束函数;变量求解模块,用于以激励轨迹对应的动力学回归矩阵的条件数最小化为优化目标,以机械臂各关节的运动学约束以及安全约束函数为约束条件,构建约束优化问题并对优化变量进行数值求解,得到主激励轨迹的优化参数,其中,在约束优化问题的求解过程中,主激励轨迹的起始端点状态和终止端点状态不受零速零加速约束;轨迹获取模块,用于在获取主激励轨迹的优化参数后,在主激励轨迹的起始端和终止端分别拼接前过渡轨迹段和后过渡轨迹段,得到整条速度连续且加速度连续的完整激励轨迹,其中,前过渡轨迹段用于使机械臂从预设的起始静止位姿运动至主激励轨迹的起始状态,后过渡轨迹段用于使机械臂从主激励轨迹的结束状态运动至预设的终止静止位姿。

4、本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。

5、本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。

6、本公开实施例与现有技术相比存在的有益效果是:本公开实施例的技术方案通过将傅里叶级数的基频与傅里叶系数共同作为优化变量以扩展优化搜索空间,并以动力学回归矩阵条件数最小化为优化目标、允许主轨迹端点不受零速零加速约束以释放优化自由度,可以降低观测矩阵条件数,从而抑制测量噪声对参数辨识的干扰;通过基于urdf几何模型构建球形障碍物安全约束函数以量化碰撞规避条件,可以确保优化轨迹无自碰撞且与环境无碰撞,从而具备物理可行性;通过对优化后的主轨迹进行三段式拼接以获得速度和加速度连续的完整轨迹,可以保证整条轨迹速度加速度连续无冲击,从而保护关节电机。综合上述手段,本公开显著提升了动力学参数辨识精度,保证了轨迹在真实机械臂上安全可执行,且优化求解效率高。

1.一种用于机械臂动力学参数辨识的激励轨迹生成方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,以所述激励轨迹对应的动力学回归矩阵的条件数最小化为优化目标,包括:基于拉格朗日法建立机械臂逆动力学关于惯性参数的完整回归矩阵;对所述完整回归矩阵进行带列置换的qr矩阵分解,根据分解所得上三角矩阵的对角线元素确定该矩阵的数值秩,筛选出线性无关的列向量,利用筛选出的线性无关列向量构建降维后的观测矩阵;以所述观测矩阵的最大奇异值与最小奇异值之比作为所述条件数,并将该条件数作为所述约束优化问题的单一目标函数。

3.根据权利要求1所述的方法,其特征在于,所述安全约束函数具体包括自碰撞约束和环境碰撞约束,其中:

4.根据权利要求3所述的方法,其特征在于,根据各球形障碍物的实时球心位置和设定的半径构建包含自碰撞约束和环境碰撞约束的安全约束函数,包括:

5.根据权利要求1所述的方法,其特征在于,对所述优化变量进行数值求解时,生成初始可行解并迭代优化的方法为:

6.根据权利要求1所述的方法,其特征在于,在获取所述完整激励轨迹之后,所述方法还包括:

7.根据权利要求1所述的方法,其特征在于,采用傅里叶级数构建各关节的激励轨迹方程得到的方程为:

8.一种用于机械臂动力学参数辨识的激励轨迹生成装置,其特征在于,包括:

9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。