26、基于分解运动的高效机器人负载识别方法

基于分解运动的高效机器人负载识别方法

1. 引言

在机器人研究领域，基于模型的控制方法广泛应用于提高控制精度和鲁棒性。在实际应用中，这些控制方法的性能往往依赖于模型的准确性。例如在机器人 - 人类交互和机器人性能提升等应用中，基于机器人动力学的控制方法经常被使用。研究人员需要准确的动力学模型来设计观测器，以观测机器人运动过程中的意外接触力，进而设计阻抗控制方法实现基于机器人动力学模型的灵活接触，而这一切都需要一个准确的动力学模型。

在实际应用中，一个机器人可能会为不同任务配备各种具有不同重量、质心和惯性的末端执行器，用户很难测量所有这些负载参数，这就导致了模型的不确定性。因此，为了保证整个机器人动力学模型的准确性，需要一种快速获取随机负载动力学参数的方法。

目前获取负载动力学参数的方法有多种。一种是从CAD数据中获取，但普通用户通常难以获取准确的CAD模型；另一种是使用特定仪器直接测量，如用质量秤测量末端执行器的质量和质心，用气垫桌测量惯性等，但对于不同尺寸的部件，相应测量设备的可用性往往存在问题，在实际应用场景中现场准备这些设备也不切实际。

动态参数识别被认为是一种更方便有效的方法，它可以帮助用户通过现场实验快速获取参数。目前已经提出了许多机器人动力学识别方法，其主要思路是在运动实验过程中获取关节传感器数据，包括关节位置和扭矩。动态参数识别的主要步骤如下：
1. 基于动力学模型获得参数的计算模型，包括参数线性化和QR分解以获得最小参数集。
2. 设计激励轨迹，使结果更准确和鲁棒。
3. 利用收集的实验数据，使用多种求解方法计算动态参数，如最小二乘法、卡尔曼滤波法和最大似然法等。

然而，现有的大多数机器人动力学