申请/专利权人：浙江同善人工智能技术有限公司

申请日：2020-11-25

公开（公告）日：2024-06-07

公开（公告）号：CN112507480B

主分类号：G06F30/17

分类号：G06F30/17;G06F30/20;G06N3/006;G06N3/126;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2021.04.02#实质审查的生效;2021.03.16#公开

摘要：本发明公开了一种惯性参数辨识方法，涉及机器人技术领域，解决了目前对于机器人的惯性参数识别方法难度高且工作量大的弊端，其技术方案要点是包括有以下步骤：建立机器人动力学模型、设计动力学模型中惯性参数的优化目标、在关节工作空间中随机采样选取若干关键点、经过采集的关键点规划生成一条激励轨迹，控制机器人沿该激励轨迹运动并采样获取运动数据，根据采样获取的运动数据通过GA‑PSO算法对优化目标进行优化，本发明的一种惯性参数辨识方法，能够快速的惯性参数识别，无需选取机器人的最小惯性参数集，也无需建立线性辨识模型，对于不同构型的机器人，在不增加工作量的情况下均能很好的实现惯性参数的辨识。

主权项：1.一种惯性参数辨识方法，其特征是，包括有以下步骤：建立机器人动力学模型；设计动力学模型中惯性参数的优化目标；在关节工作空间中随机采样选取若干关键点；经过采集的关键点规划生成一条激励轨迹，控制机器人沿该激励轨迹运动并采样获取运动数据，根据采样获取的运动数据通过GA-PSO算法对优化目标进行优化；激励轨迹的生成步骤具体为：对于机器人的每个关节，根据关节限制，确定每个关节的工作范围；在每个关节的工作范围内随机采样，采样N个关键点值；对于M自由度的机器人，得到N组关节数据，每一组关节数据描述机器人在工作空间中的一个位姿；相邻两组关节数据通过关节空间的轨迹规划生成一条运动轨迹，经过全部组关节数据生成激励轨迹；所述优化目标为适应度函数 s.t.pmin≤p≤pmax其中，||fi-τi||为预测值和真实值之间差的二阶范数，g为惩罚函数，pij为第i个关节中第j个惯性参数，τi为第i时刻采样得到的关节力矩实际值，其中pmin、pmax为设定的惯性参数搜索的上下界；所述适应度函数通过采样获取的运动数据进行计算优化，采样获取的运动数据包括有机器人运动过程中的关节位置、关节速度、关节加速度及关节力矩；所述GA-PSO算法的优化步骤具体为：1初始化迭代次数、遗传算法种群及粒子群算法种群，根据给定的参数辨识上下界，以确定搜索范围；2根据适应度函数计算每个个体的适应度，分别对遗传算法种群及粒子群算法种群按照适应度大小进行排序；3对遗传算法种群进行遗传算法更新；4对粒子群算法种群进行粒子群算法更新；5分别对遗传算法种群及粒子群算法种群按照其适应度大小进行排序，将排序后的遗传算法种群中的前γ个体替换粒子群算法种群中的后γ个体，且将粒子群算法种群中的前γ个体替换遗传算法种群中的后γ个体，实现遗传算法和粒子群算法的信息交流；6修改迭代次数，判断是否找到全局最优解达到最大迭代次数，若是，则结束算法，否则返回步骤2。

全文数据：

权利要求：

百度查询： 浙江同善人工智能技术有限公司 一种惯性参数辨识方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD