机器人负载识别方法及识别装置与流程

1.本公开涉及机器人控制技术领域，特别涉及一种机器人负载识别方法、识别装置、电子设备及可读存储介质。


背景技术：

2.在机器人实际作业过程中，其末端负载可能会发生变化，如果控制系统不及时对负载产生的重力矩和惯性力矩进行补偿，机器人运动精度会变差、动态性能将会降低，甚至在某些位姿下导致负载和连杆的谐振。因此快速准确识别负载动力学参数是实现机器人高精度控制的关键之一。
3.现有技术中一般通过在机器人末端安装多维力传感器感知其末端受力信息，操作机器人使其末端分别处于不同的位姿，并采集不同位姿下传感器的受力反馈信息，推断末端负载的质量质心参数。
4.但是，这种方法需要额外附加多维力传感器，由此导致了成本的增加，并需要间接通过雅各比矩阵计算将末端受力转换为各关节扭矩。
5.中国发明专利zl201610967758.1公开了一种六轴机器人的负载辨识方法及模块，但是由于六轴机器人不存在零空间，相应地该方法在应用于七轴及以上自由度时，会使得负载发生运动，机器人在运行激励轨迹时容易发生危险。


技术实现要素：

6.为了解决上述技术问题之一，本公开提供了一种机器人负载识别方法、识别装置、电子设备及可读存储介质。
7.根据本公开的一个方面，提供一种机器人负载识别方法，其包括：
8.根据机器人的结构获得机器人的动力学模型；
9.生成零空间运动激励轨迹；
10.根据机器人的动力学模型以及机器人零空间运动激励轨迹获得机器人本体运动所需扭矩理论值；
11.机器人加装负载后，操作机器人运行零空间运动激励轨迹，并实时采集各关节的实际扭矩值；以及
12.根据机器人本体运动所需扭矩理论值以及各关节的实际扭矩值获得机器人的负载的惯性参数集。
13.根据本公开至少一个实施方式的机器人负载识别方法，根据零空间运动激励轨迹获得负载惯性参数集。
14.根据本公开至少一个实施方式的机器人负载识别方法，所述关节包括扭矩传感器，所述扭矩传感器用于检测所述关节驱动连杆的实际扭矩值。
15.根据本公开至少一个实施方式的机器人负载识别方法，生成零空间运动激励轨迹包括：
16.根据机器人的结构参数获得机器人的零空间投影矩阵；
17.根据机器人的零空间投影矩阵获得机器人的零空间运动方向；
18.通过对零空间运动速度进行规划，得到零空间运动轨迹数据；
19.将与该零空间运动轨迹数据相关的回归矩阵的特性作为目标函数，对零空间运动轨迹数据进行优化；以及
20.通过该零空间运动轨迹数据的优化值得到零空间运动激励轨迹。
21.根据本公开至少一个实施方式的机器人负载识别方法，根据机器人本体运动所需扭矩理论值以及各关节实际扭矩值获得扭矩差值；以及根据扭矩差值以及关于零空间运动激励轨迹的动力学模型获得负载的惯性参数集。
22.根据本公开至少一个实施方式的机器人负载识别方法，根据扭矩差值以及关于零空间运动激励轨迹的动力学模型获得负载的惯性参数集包括：
[0023][0024]
其中，为负载关于零空间运动激励轨迹的动力学模型，φload为负载的惯性参数集；τ
load
为驱动负载运动所需要的扭矩；τ
link
为驱动连杆本身运动所需要的扭矩；τ
sensor
为扭矩传感器的读数值；
[0025]
可选地，按照预设的采样周期，获得k组负载关于零空间运动激励轨迹的动力学模型，以及k组扭矩差值，并使得：
[0026][0027]
根据最小二乘法获得负载的惯性参数集合。
[0028]
根据本公开的另一方面，提供一种机器人负载识别装置，其包括：
[0029]
动力学模型获取模块，所述动力学模型获取模块用于根据机器人的结构获得机器人的动力学模型；
[0030]
激励轨迹生成模块，所述激励轨迹生成模块用于生成零空间运动激励轨迹；
[0031]
连杆扭矩计算模块，所述连杆扭矩计算模块用于根据机器人的动力学模型以及机器人零空间运动激励轨迹获得机器人本体运动所需扭矩理论值；
[0032]
负载扭矩获取模块，当机器人加装负载后，操作机器人运行零空间运动激励轨迹，并通过负载扭矩获取模块实时采集各关节的实际扭矩值；以及
[0033]
负载识别模块，所述负载识别模块用于根据机器人本体运动所需扭矩理论值以及各关节的实际扭矩值获得机器人的负载的惯性参数集。
[0034]
根据本公开至少一个实施方式的机器人负载识别装置，根据零空间运动激励轨迹获得负载惯性参数集；
[0035]
可选地，所述关节包括扭矩传感器，所述扭矩传感器用于检测所述关节驱动连杆的实际扭矩值；
[0036]
可选地，生成零空间运动激励轨迹包括：
[0037]
根据机器人的结构参数获得机器人的零空间投影矩阵；
[0038]
根据机器人的零空间投影矩阵获得机器人的零空间运动方向；
[0039]
通过对零空间运动速度进行规划，得到零空间运动轨迹数据；
[0040]
将与该零空间运动轨迹数据相关的回归矩阵的特性作为目标函数，对零空间运动轨迹数据进行优化；以及
[0041]
通过该零空间运动轨迹数据的优化值得到零空间运动激励轨迹；
[0042]
可选地，根据机器人本体运动所需扭矩理论值以及各关节实际扭矩值获得扭矩差值；以及根据扭矩差值以及关于零空间运动激励轨迹的动力学模型获得负载的惯性参数集；
[0043]
可选地，根据扭矩差值以及关于零空间运动激励轨迹的动力学模型获得负载的惯性参数集包括：
[0044][0045]
其中，为负载关于零空间运动激励轨迹的动力学模型，φload为负载的惯性参数集；τ
load
为驱动负载运动所需要的扭矩；τ
link
为驱动连杆本身运动所需要的扭矩；τ
sensor
为扭矩传感器的读数值；
[0046]
可选地，按照预设的采样周期，获得k组负载关于零空间运动激励轨迹的动力学模型，以及k组扭矩差值，并使得：
[0047][0048]
根据最小二乘法获得负载的惯性参数集合。
[0049]
根据本公开的另一方面，提供一种电子设备，其包括：
[0050]
存储器，所述存储器存储执行指令；以及
[0051]
处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行上述的方法。
[0052]
根据本公开的另一方面，提供一种可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述的方法。
附图说明
[0053]
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。
[0054]
图1是根据本公开的一个实施方式的机器人负载辨识方法的流程图。
[0055]
图2是根据本公开的一个实施方式的生成零空间运动激励轨迹的流程图。
[0056]
图3是根据本公开的一个实施方式的机器人负载辨识装置的结构示意图。
具体实施方式
[0057]
下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所
描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。
[0058]
需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。
[0059]
除非另有说明，否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此，除非另有说明，否则在不脱离本公开的技术构思的情况下，各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。
[0060]
在附图中使用交叉影线和/或阴影通常用于使相邻部件之间的边界变得清晰。如此，除非说明，否则交叉影线或阴影的存在与否均不传达或表示对部件的具体材料、材料性质、尺寸、比例、示出的部件之间的共性和/或部件的任何其它特性、属性、性质等的任何偏好或者要求。此外，在附图中，为了清楚和/或描述性的目的，可以夸大部件的尺寸和相对尺寸。当可以不同地实施示例性实施例时，可以以不同于所描述的顺序来执行具体的工艺顺序。例如，可以基本同时执行或者以与所描述的顺序相反的顺序执行两个连续描述的工艺。此外，同样的附图标记表示同样的部件。
[0061]
当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或“结合到”另一部件时，该部件可以直接在所述另一部件上、直接连接到或直接结合到所述另一部件，或者可以存在中间部件。然而，当部件被称作“直接在”另一部件“上”、“直接连接到”或“直接结合到”另一部件时，不存在中间部件。为此，术语“连接”可以指物理连接、电气连接等，并且具有或不具有中间部件。
[0062]
为了描述性目的，本公开可使用诸如“在
……
之下”、“在
……
下方”、“在
……
下”、“下”、“在
……
上方”、“上”、“在
……
之上”、“较高的”和“侧(例如，如在“侧壁”中)”等的空间相对术语，从而来描述如附图中示出的一个部件与另一(其它)部件的关系。除了附图中描绘的方位之外，空间相对术语还意图包含设备在使用、操作和/或制造中的不同方位。例如，如果附图中的设备被翻转，则被描述为“在”其它部件或特征“下方”或“之下”的部件将随后被定位为“在”所述其它部件或特征“上方”。因此，示例性术语“在
……
下方”可以包含“上方”和“下方”两种方位。此外，设备可被另外定位(例如，旋转90度或者在其它方位处)，如此，相应地解释这里使用的空间相对描述语。
[0063]
这里使用的术语是为了描述具体实施例的目的，而不意图是限制性的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。
[0064]
图1是根据本公开的一个实施方式的机器人负载辨识方法的流程图。
[0065]
如图1所示，本公开的机器人负载辨识方法是一种应用于七轴及以上的工业机器人或者协作机器人的方法，并且该七轴及以上的工业机器人具有零空间。
[0066]
具体地说，该机器人可以包括工业机械臂或者协作机械臂，所述机械臂包括多个关节和多个连杆，其中，所述关节可以使得连接于该关节的两个连杆之间发生相对转动；当然，所述机械臂也可以包括移动自由度，而且，所述连杆也包括末端执行器。
[0067]
基于此，本公开的机器人负载辨识方法包括：102、根据机器人的结构获得机器人的动力学模型；104、生成零空间运动激励轨迹；106、根据机器人的动力学模型以及机器人零空间运动激励轨迹获得机器人本体运动所需扭矩理论值；108、机器人加装负载后，操作机器人运行零空间运动激励轨迹，并实时采集各关节的实际扭矩值；以及110、根据机器人本体运动所需扭矩理论值以及各关节的实际扭矩值获得机器人的负载的惯性参数集。
[0068]
以下对本公开的机器人负载辨识方法的各步骤进行详细说明。
[0069]
在102中，可以对机器人建模以得到机器人的动力学模型，具体地，可以通过牛顿欧拉法获得机器人动力学模型，并由该机器人动力学模型获得机器人的动力学模型，该动力学模型形成为各连杆的位置、速度、加速度与关节驱动该连杆运动时所需要的力矩的函数。
[0070]
当然，通过机器人的模型也能够得到机器人的惯性参数集，一般而言，惯性参数集包括：质量(m)、质心(mr
x
，mry，mrz)、惯性积和惯性矩(i
xx
，i
xy
，i
xz
，i
yy
，i
yz
，i
zz
)。
[0071]
在104中，根据预先设定的机器人的关节空间和笛卡尔空间参数限制值生成零空间运动激励轨迹。
[0072]
优选地，所述机器人的关节空间的参数限制值包括机器人的末端执行器的位姿在机器人的可达工作空间范围内，即：其中，s(q)为机器人在关节位置为q时所对应的末端执行器在工作空间下的位姿；s为机器人可达工作空间。
[0073]
所述机器人的笛卡尔空间参数限制包括：连杆的位置在该连杆的最大位置和最小位置之间；连杆的速度在最大速度和最小速度之间，连杆的加速度在最大加速度和最小加速度之间，即：
[0074][0075][0076][0077]
其中，q为连杆位置，为连杆的速度，为连杆的加速度，q
min
为连杆的最小位置，q
max
为连杆的最大位置；为连杆的最小速度，即反方向的最大速度；为连杆的最大速度；为连杆的最小加速度，即反方向的最大加速度；为连杆的最大加速度。
[0078]
图2是根据本公开的一个实施方式的生成零空间运动激励轨迹的流程图。
[0079]
具体地，如图2所示，生成零空间运动激励轨迹包括：1041、根据机器人的结构参数获得机器人的零空间投影矩阵；1042、根据机器人的零空间投影矩阵获得机器人的零空间运动方向；1043、通过对零空间运动速度进行规划，得到零空间运动轨迹数据；1044、将与该零空间运动轨迹数据相关的回归矩阵的特性作为目标函数，对零空间运动轨迹数据进行优化；以及1045、通过该零空间运动轨迹数据的优化值得到零空间运动激励轨迹。
[0080]
其中，根据机器人的结构参数能够获得机器人的零空间，并由此得到机器人的零空间投影矩阵；而且，在获取零空间运动轨迹数据时，指定机器人的零空间运动速度初始值，根据机器人零空间运动速度初始值获得机器人的连杆的位置初始值和加速度初始值，并得到零空间轨迹数据初始值。
[0081]
相应地，在零空间运动激励轨迹中包括关于每个连杆的位置、速度和加速度的运动向量，机器人根据该运动向量向控制关节输出相应的扭矩，以使得机器人能够沿零空间运动激励轨迹运动。
[0082]
针对于各个连杆，其位置、速度和加速度通过下式表达：
[0083][0084][0085][0086]
其中，q0为各连杆的偏置，即零空间运动的起始位置；in为单位矩阵，j，分别为雅各比矩阵和其伪逆矩阵。为零空间的投影矩阵，n表示零空间投影矩阵的基，其代表了零空间运动的方向。ζ为任意非零标量，单位为(rad/s)，并且可以通过指定ζ的值来指定各连杆的运动速度。
[0087]
并结合上述预先设定的机器人的关节空间和笛卡尔空间参数限制值，以及与该零空间轨迹数据初始值相关的动力学模型的最小条件数，得到机器人在某一位置处所对应的各连杆的运动向量，并通过多个位置处的运动向量，生成零空间运动激励轨迹。
[0088]
其中，在获得机器人各连杆的速度时，可以通过在连杆的速度范围内，以预设步长遍历该速度范围，并获得与该零空间轨迹数据初始值相关的动力学模型的最小条件数所对应的速度值，以该速度值和速度方向得到机器人在某一位置处所对应的各连杆的运动向量；当然，该运动向量的获取也可以通过其他的方式来得到。
[0089]
在本公开的一个可选实施例中，106中，根据机器人的动力学模型以及机器人零空间运动激励轨迹获得机器人本体运动所需扭矩理论值。
[0090]
此时，所需扭矩理论值也可以是机器人在未加载负载时，各个关节驱动连杆时的实际扭矩值。
[0091]
在机器人的实际使用过程中，一般均是直接更换负载，并进行新负载的惯性参数集识别，因此，可以通过对机器人建模，并通过机器人模型来计算获得针对于机器人零空间运动激励轨迹中的运动向量的所需扭矩理论值。
[0092]
在108中，机器人加装负载后，操作机器人运行零空间运动激励轨迹，并实时采集各关节的连杆侧的实际扭矩值。
[0093]
此处，机器人加装负载包括机器人末端执行器并不存在负载，而直接安装负载的情况，也包括机器人末端执行器更换新的负载的情况；这两种情况均需要进行负载辨识。
[0094]
更优选地，所述机器人的每一个关节均包括扭矩传感器，所述扭矩传感器装配在关节的连杆侧，用于检测关节向连杆的输出力矩，由此通过扭矩传感器实时获得关节的连杆侧的实际扭矩值。
[0095]
在110中，根据机器人本体运动所需扭矩理论值以及各关节的连杆侧的实际扭矩值获得机器人的负载的惯性参数集。
[0096]
对于末端执行器加装了负载的机器人而言，各关节连杆侧的输出扭矩包含驱动其连杆本身运动所需要的扭矩，即连杆扭矩(τ
link
)和驱动负载运动所需要的扭矩，即负载扭矩(τ
load
)。两部分扭矩共同作用在扭矩传感器上，并可以通过直接读取的方式获得。
[0097]
当机器人按照零空间运动激励轨迹运动时，连杆扭矩和负载扭矩相互无关联，惯性参数相互独立，相应地：
[0098]
τ
seneor
＝τ
lina
τ
load
。
[0099]
由于扭矩传感器反馈数据为连杆和负载的共同作用结果，为减小机器人各连杆运动所需扭矩理论值的计算误差，提高负载辨识精度，应当对机器人未加装负载时的惯性参数集进行高精度辨识，即得到高精度的机器人的动力学模型。
[0100]
当机器人未加装负载时的惯性参数集经过修正且提高精度后，在对负载的惯性参数集进行辨识。
[0101]
相应地，负载扭矩
[0102]
其中为负载关于零空间运动激励轨迹的动力学模型，其为与负载的惯性参数集无关的系数项，φ
load
为负载的惯性参数集。
[0103]
在机器人以零空间运动激励轨迹运动时，按照预设的采样周期，获得k组负载关于零空间运动激励轨迹的动力学模型，以及k组扭矩差值，根据最小二乘法即可以获得负载的惯性参数集的拟合值。
[0104]
即，
[0105]
其中，为第一组负载关于零空间运动激励轨迹的动力学模型；为第k组负载关于零空间运动激励轨迹的动力学模型，为第一组负载扭矩；为第k组负载扭矩，其中k为大于等于2的整数。
[0106]
由此，本公开在进行机器人负载识别时，通过连杆侧的扭矩传感器直接读取扭矩，无序经过其他的变量计算和推到，负载辨识精度高。而且，如中国发明专利zl201610967758.1在内的现有技术的机器人负载识别过程中，需要校验激励轨迹的可行性，如果激励轨迹的运行会导致机器人负载和机器人本体碰撞，则需要重新优化激励轨迹；但是，本公开中，通过七轴及以上的机器人零空间运动特性，可以保证负载辨识过程中，负载相对于机器人坐标系静止，避免实际运行零空间运动激励轨迹时发生危险。
[0107]
而且，通过优化后的零空间运动激励轨迹能够更快速和更精确地对负载进行辨识。
[0108]
图3是根据本公开的一个实施方式的机器人负载辨识装置的结构示意图。
[0109]
根据本公开的另一方面，如图3所示，本公开提供一种机器人负载识别装置，所述
机器人包括多个关节和多个连杆，并使得两个相邻的连杆通过关节进行连接，以便所述机器人的自由度的数量大于等于七个，由此该机器人具有零空间，其包括：动力学模型获取模块210、激励轨迹生成模块220、连杆扭矩计算模块230、负载扭矩获取模块240和负载识别模块250。
[0110]
其中，所述动力学模型获取模块210用于根据机器人的结构获得机器人的动力学模型；所述激励轨迹生成模块220用于生成零空间运动激励轨迹；所述连杆扭矩计算模块230用于根据机器人的动力学模型以及机器人零空间运动激励轨迹获得机器人本体运动所需扭矩理论值；当机器人加装负载后，操作机器人运行零空间运动激励轨迹，并通过负载扭矩获取模块240实时采集各关节的实际扭矩值；以及所述负载识别模块250用于根据机器人本体运动所需扭矩理论值以及各关节的实际扭矩值获得机器人的负载的惯性参数集。
[0111]
本公开中，可以对机器人建模以得到机器人的动力学模型，具体地，可以通过牛顿欧拉法获得机器人动力学模型，并由该机器人动力学模型获得机器人的动力学模型，该动力学模型形成为各连杆的位置、速度、加速度与关节驱动该连杆运动时所需要的力矩的函数。
[0112]
当然，通过机器人的模型也能够得到机器人的惯性参数集，一般而言，惯性参数集包括：质量(m)、质心(mr
x
，mry，mrz)、惯性积和惯性矩(i
xx
，i
xy
，i
xz
，i
yy
，i
yz
，i
zz
)。
[0113]
本公开中，根据预先设定的机器人的关节空间和笛卡尔空间参数限制值生成零空间运动激励轨迹。
[0114]
优选地，所述机器人的关节空间的参数限制值包括机器人的末端执行器的位姿在机器人的可达工作空间范围内，即：其中，s(q)为机器人在关节位置为q时所对应的末端执行器在工作空间下的位姿；s为机器人可达工作空间。
[0115]
所述机器人的笛卡尔空间参数限制包括：连杆的位置在该连杆的最大位置和最小位置之间；连杆的速度在最大速度和最小速度之间，连杆的加速度在最大加速度和最小加速度之间，即：
[0116][0117][0118][0119]
其中，q为连杆位置，为连杆的速度，为连杆的加速度，q
min
为连杆的最小位置，q
max
为连杆的最大位置；为连杆的最小速度，即反方向的最大速度；为连杆的最大速度；为连杆的最小加速度，即反方向的最大加速度；为连杆的最大加速度。
[0120]
图2是根据本公开的一个实施方式的生成零空间运动激励轨迹的流程图。
[0121]
具体地，如图2所示，生成零空间运动激励轨迹包括：1041、根据机器人的结构参数获得机器人的零空间投影矩阵；1042、根据机器人的零空间投影矩阵获得机器人的零空间运动方向；1043、通过对零空间运动速度进行规划，得到零空间运动轨迹数据；1044、将与该
零空间运动轨迹数据相关的回归矩阵的特性作为目标函数，对零空间运动轨迹数据进行优化；以及1045、通过该零空间运动轨迹数据的优化值得到零空间运动激励轨迹。
[0122]
相应地，在零空间运动激励轨迹中包括关于每个连杆的位置、速度和加速度的运动向量，机器人根据该运动向量向控制关节输出相应的扭矩，以使得机器人能够沿零空间运动激励轨迹运动。
[0123]
针对于各个连杆，其位置、速度和加速度通过下式表达：
[0124][0125][0126][0127]
其中，q0为各连杆的偏置，即零空间运动的起始位置；in为单位矩阵，j，分别为雅各比矩阵和其伪逆矩阵。为零空间的投影矩阵，n表示零空间投影矩阵的基，其代表了零空间运动的方向。ζ为任意非零标量，单位为(rad/s)，并且可以通过指定ζ的值来指定各连杆的运动速度。
[0128]
并结合上述预先设定的机器人的关节空间和笛卡尔空间参数限制值，以及与该零空间轨迹数据初始值相关的动力学模型的最小条件数，得到机器人在某一位置处所对应的各连杆的运动向量，并通过多个位置处的运动向量，生成零空间运动激励轨迹。
[0129]
其中，在获得机器人各连杆的速度时，可以通过在连杆的速度范围内，以预设步长遍历该速度范围，并获得与该零空间轨迹数据初始值相关的动力学模型的最小条件数所对应的速度值，以该速度值和速度方向得到机器人在某一位置处所对应的各连杆的运动向量；当然，该运动向量的获取也可以通过其他的方式来得到。
[0130]
在本公开的一个可选实施例中，根据机器人的动力学模型以及机器人零空间运动激励轨迹获得机器人本体运动所需扭矩理论值。
[0131]
此时，所需扭矩理论值也可以是机器人在未加载负载时，各个关节驱动连杆时的实际扭矩值。
[0132]
在机器人的实际使用过程中，一般均是直接更换负载，并进行新负载的惯性参数集识别，因此，可以通过对机器人建模，并通过机器人模型来计算获得针对于机器人零空间运动激励轨迹中的运动向量的所需扭矩理论值。
[0133]
本公开中，机器人加装负载后，操作机器人运行零空间运动激励轨迹，并实时采集各关节的连杆侧的实际扭矩值。
[0134]
此处，机器人加装负载包括机器人末端执行器并不存在负载，而直接安装负载的情况，也包括机器人末端执行器更换新的负载的情况；这两种情况均需要进行负载辨识。
[0135]
更优选地，所述机器人的每一个关节均包括扭矩传感器，所述扭矩传感器装配在关节的连杆侧，用于检测关节向连杆的输出力矩，由此通过扭矩传感器实时获得关节的连杆侧的实际扭矩值。
[0136]
本公开中，根据机器人本体运动所需扭矩理论值以及各关节的连杆侧的实际扭矩值获得机器人的负载的惯性参数集。
[0137]
对于末端执行器加装了负载的机器人而言，各关节连杆侧的输出扭矩包含驱动其连杆本身运动所需要的扭矩，即连杆扭矩(τ
link
)和驱动负载运动所需要的扭矩，即负载扭矩(τ
load
)。两部分扭矩共同作用在扭矩传感器上，并可以通过直接读取的方式获得。
[0138]
当机器人按照零空间运动激励轨迹运动时，连杆扭矩和负载扭矩相互无关联，惯性参数相互独立，相应地：
[0139]
τ
seneor
＝τ
link
τ
load
。
[0140]
由于扭矩传感器反馈数据为连杆和负载的共同作用结果，为减小机器人各连杆运动所需扭矩理论值的计算误差，提高负载辨识精度，应当对机器人未加装负载时的惯性参数集进行高精度辨识，即得到高精度的机器人的动力学模型。
[0141]
当机器人未加装负载时的惯性参数集经过修正且提高精度后，在对负载的惯性参数集进行辨识。
[0142]
相应地，负载扭矩
[0143]
其中为负载关于零空间运动激励轨迹的动力学模型，其为与负载的惯性参数集无关的系数项，φ
load
为负载的惯性参数集。
[0144]
在机器人以零空间运动激励轨迹运动时，按照预设的采样周期，获得k组负载关于零空间运动激励轨迹的动力学模型，以及k组扭矩差值，根据最小二乘法即可以获得负载的惯性参数集的拟合值。
[0145]
即，
[0146]
其中，为第一组负载关于零空间运动激励轨迹的动力学模型；为第k组负载关于零空间运动激励轨迹的动力学模型，为第一组负载扭矩；为第k组负载扭矩，其中k为大于等于2的整数。
[0147]
由此，本公开在进行机器人负载识别时，通过连杆侧的扭矩传感器直接读取扭矩，无序经过其他的变量计算和推到，负载辨识精度高。而且，如中国发明专利zl201610967758.1在内的现有技术的机器人负载识别过程中，需要校验激励轨迹的可行性，如果激励轨迹的运行会导致机器人负载和机器人本体碰撞，则需要重新优化激励轨迹；但是，本公开中，通过七轴及以上的机器人零空间运动特性，可以保证负载辨识过程中，负载相对于机器人坐标系静止，避免实际运行零空间运动激励轨迹时发生危险。
[0148]
而且，通过优化后的零空间运动激励轨迹能够更快速和更精确地对负载进行辨识。
[0149]
根据本公开的另一方面，还提供一种电子设备，其包括：
[0150]
存储器，所述存储器存储执行指令；以及
[0151]
处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行如上述的方法。
[0152]
根据本公开的另一方面，还提供一种可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述的方法。
[0153]
在本说明书的描述中，参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例/方式或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
[0154]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0155]
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。