变负载工况下稳定性智能测评方法与流程
本发明涉及计算机模拟领域,具体涉及变负载工况下稳定性智能测评方法。
背景技术:
1、移动机器人在仓储物流、应急救援、野外勘探等复杂场景中的应用正变得日益广泛,其作业环境早已超越平整、确定的室内地面,转向更为多变和严苛的现实现场。这些复杂工况使机器人的稳定性面临多重耦合挑战,地形的不平整直接引起机身姿态的剧烈摇摆,地面附着力的差异导致驱动轮或腿足极易发生滑转与沉陷,而可变质心负载则进一步扰乱预设的平衡裕度,甚至诱发振荡、侧倾直至完全倾覆。单一的平坦路面空载测试根本无法揭示这些隐蔽的动态失稳模式,因此,在研发阶段构建能够复现崎岖地形与可变负载共同作用的测试条件,对机器人进行变负载、变地形工况下的系统性稳定性测试就显得至关重要。只有通过此类测试,才能准确获取机器人在极限组合工况下的稳定域边界,标定其抗倾倒、抗滑移和姿态恢复能力的真实水平,并为控制算法优化与结构强化提供关键依据,最终确保机器人在实际部署中安全、可靠地完成各类任务。
2、现有的测试手段在对机器人进行稳定性测评时,会使用实验室内的相关器械对各种使用环境进行场景模拟,通过观测预定的地形与负载数据与机器人稳定性相关特征参数的变化关系,确定机器人应对不同使用场景时的稳定性状态;但这种稳定性测试需要人为不断调整器械并进行参数校正才能实现对应模拟环境的测评,受限于人为经验等因素限制,容易导致模拟测评的数据试验样本不足,缺失部分对机器人稳定性影响较大的模拟环境,使传统获取的稳定性测评结果存在一定失真。
技术实现思路
1、本发明提供变负载工况下稳定性智能测评方法,以解决现有的问题。
2、本发明的变负载工况下稳定性智能测评方法及系统采用如下技术方案:
3、包括以下步骤:
4、获取机器人在不同测试过程中若干测试时刻下的机器角度数据、机器速度数据、测试地形数据以及机器负载数据;
5、在每个测试过程中,分析同一测试时刻之前机器角度数据的数值大小含量,计算每个测试过程中同一测试时刻下的机器姿态偏离度;分析同一测试时刻之前机器速度数据的数值变化含量,计算每个测试过程中同一测试时刻下的机器运动剧烈强度;将机器姿态偏离度与机器运动剧烈强度进行融合后的数值,作为每个测试过程中同一测试时刻下的不稳定性评分;
6、在每个测试过程中,基于不同测试时刻之前测试地形数据以及机器负载数据各自构成的环境拟合曲线,分析机器人测试推进到不同测试时刻时环境拟合曲线之间的数值变化关联系数,计算每个测试过程中不同测试时刻的模型环境关联系数;
7、分析每个测试过程所含的不稳定性评分以及模型环境关联系数在推进测试时刻时形成的变化量,构建每个测试过程的稳定性测试模型,计算每个测试过程中不同测试时刻下的探索激励系数;
8、融合不同测试过程在不同测试时刻下探索激励系数的变化量,计算每个测试过程的模拟测试理想系数;根据模拟测试理想系数,对机器人进行智能循环的稳定性测评。
9、优选的,所述机器姿态偏离度的获取方法为:
10、将任意一个测试过程作为目标测试过程,所述目标测试过程中每个测试时刻下的机器角度数据包含一个机器滚转角度数据、机器俯仰角度数据;
11、将目标测试过程中任意一个测试时刻作为目标测试时刻,将目标测试时刻之前机器滚转角度数据以及机器俯仰角度数据整体构成的平均数值,作为目标测试时刻的机器姿态偏离度。
12、优选的,所述机器运动剧烈强度的获取方法为:
13、将任意一个测试过程作为标记测试过程,所述标记测试过程中每个测试时刻下的机器速度数据包含一个机器质心加速度数据、机器功率数据;
14、将标记测试过程中任意一个测试时刻作为标记时刻,将标记时刻之前机器质心加速度数据以及机器功率数据之间变化量的平均数值,作为标记时刻的机器运动剧烈强度。
15、优选的,所述不稳定性评分的获取方法为:
16、对于任意一个测试过程中的任意一个测试时刻,将测试时刻的机器姿态偏离度以及机器运动剧烈强度进行加权合并后的数值,作为测试时刻的不稳定性评分。
17、优选的,所述模型环境关联系数的获取方法为:
18、在每个测试过程内任意一个测试时刻之前,对测试地形数据以及机器负载数据分别进行曲线拟合,获取地形环境曲线以及负载环境曲线;通过地形环境曲线与负载环境曲线在相同测试时刻下数值的变化量,计算地形环境曲线与负载环境曲线在测试时刻下的相关系数,并作为测试时刻的模型环境关联系数。
19、优选的,所述稳定性测试模型的获取方法为:
20、将任意一个测试过程作为参考过程,将参考过程内的任意一个测试时刻作为目标时刻;通过目标时刻之前测试地形数据、机器负载数据以及不稳定评分整体的变化相似含量,计算目标时刻的已有历程测试可扩充性;
21、将参考过程内整体已有历程测试可扩充性的平均数值,作为模型函数的输入权重;将参考过程内的整体不稳定性评分以及模型环境关联系数的平均数值,作为模型函数的输入参数;将输入权重与输入参数合并后的数值,作为模型函数的输出参数;将模型函数的输入权重、输入参数、输出参数共同构建的函数模型,作为参考过程的稳定性测试模型。
22、优选的,所述已有历程测试可扩充性的获取方法为:
23、将每个测试时刻下测试地形数据、机器负载数据以及不稳定评分整体构成的向量,作为每个测试时刻的单时刻测试向量;在不同测试过程在目标时刻之前,将相同测试时刻之间单时刻测试向量的相似度,作为目标时刻之前不同测试时刻的单时刻测试模拟相似度;将目标时刻之前所有测试时刻的单时刻测试模拟相似度合并后的数值,作为目标时刻的已有历程测试可扩充性。
24、优选的,所述探索激励系数的获取方法为:
25、将参考过程的稳定性测试模型的输出值,作为参考过程的测试模拟系数;将参考过程内目标时刻的已有历程测试可扩充性与测试模拟系数合并后的数值,作为参考过程内目标时刻下的探索激励系数。
26、优选的,所述模拟测试理想系数的获取方法为:
27、对每个测试过程中相邻测试时刻下探索激励系数的变化量进行合并标准化,将合并标准化后的数值,作为每个测试过程的模拟测试理想系数。
28、一种用于机器人测试的变负载工况装置,所述装置包括:
29、数据获取模块、模拟测试理想系数获取模块和稳定性智能测评模块;其中所述数据获取模块用于获取机器人在不同测试过程中若干测试时刻下的机器角度数据、机器速度数据、测试地形数据以及机器负载数据,所述模拟测试理想系数获取模块通过调用计算机程序实现变负载工况下稳定性智能测评方法的步骤,得到模拟测试理想系数,所述稳定性智能测评模块根据模拟测试理想系数,对机器人进行智能循环的稳定性测评。
30、本发明的技术方案的有益效果是:分析同一测试时刻之前机器角度数据的数值大小含量,计算机器姿态偏离度,能有效滤除瞬时高频干扰并捕捉偏差累积与振荡增幅,提前揭示失稳先兆;分析同一测试时刻之前机器速度数据的数值变化含量,计算机器运动剧烈强度,为不稳定性融合评分与早期预警提供另一维度的高敏感特征;通过机器姿态偏离度与机器运动剧烈强度进行融合后的数值,计算不稳定性评分,能消除单指标盲区,同时覆盖姿态失稳与运动失控及其耦合效应,实现对倾覆、侧滑、振荡等多种失稳先兆的全面感知;分析机器人测试推进到不同测试时刻时环境拟合曲线之间的数值变化关联系数,计算模型环境关联系数,弥补内部姿态与速度指标无法区分失稳诱因的盲区,为探索激励系数提供环境敏感性的关键输入;分析每个测试过程所含的不稳定性评分以及模型环境关联系数在推进测试时刻时形成的变化量,计算探索激励系数,避免安全区冗余测试与突变盲区遗漏,提升稳定域刻画的效率与完整度;融合不同测试过程在不同测试时刻下探索激励系数的变化量,计算每个测试过程的模拟测试理想系数,可以从全局量化各测试序列对稳定边界的挖掘效率与信息完整度,区分高效逼近边界与低效冗余的过程;本发明通过分析机器人进行稳定性测评时在已测试过程中的姿态以及运动状态变化,联合已测试过程内部之间的稳定性关联程度,计算模拟测试理想系数,对机器人进行智能循环的稳定性测评,使最终模拟测评的数据试验样本量更加充足,降低对机器人模拟环境种类的丢失程度,提高最终稳定性测评结果的真实性。
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