13、医疗协作机器人工具惯性参数识别与静态平衡辅助设备设计

医疗协作机器人工具惯性参数识别与静态平衡辅助设备设计

在医疗领域，协作机器人的应用越来越广泛。本文将围绕医疗协作机器人工具的惯性参数识别以及静态平衡辅助设备的设计展开探讨。

医疗协作机器人工具惯性参数识别

医疗协作机器人采用7自由度的Franka Emika机器人，可应用于多普勒超声检查、微创手术和神经外科手术等不同场景。为实现机器人的精准操作，需要对其工具的惯性参数进行识别。

1. 弗兰卡·埃米卡机器人的DH参数

弗兰卡·埃米卡机器人的DH参数如下表所示：
|关节|θi(rad)|di(m)|ai(m)|αi(rad)|
| ---- | ---- | ---- | ---- | ---- |
|1|q1|0.333|0|0|
|2|q2|0|0|−π/2|
|3|q3|0.3160|0|π/2|
|4|q4|0|0.0825|π/2|
|5|q5|0.3840|−0.0825|−π/2|
|6|q6|0|0|π/2|
|7|q7|0|0.0880|π/2|
|法兰|0|0.1070|0|0|

通过这些参数，可以对机器人的运动学进行建模和分析。

2. 惯性参数识别方法

惯性参数识别基于最小二乘法估计，具体操作步骤如下：
1. 让机器人执行相同的轨迹两次，一次安装工具，一次不安装工具。
2. 记录机器人在这两种情况下的关节扭矩和关节运动数据。
3. 将这些数据代入特定公式（如式(4)），从而得到工具的惯性参数。

为了便于操作，定义了一条合适的轨迹