[发明专利]一种机器人关节波动摩擦力矩的建模方法

权利要求书

1.一种机器人关节波动摩擦力矩的建模方法，其特征在于，包括步骤：

S1、获取机器人关节在恒速转动下的关节力矩误差数据，根据所采集的恒速转动下的关节力矩误差数据建立相同级数的傅里叶级数函数；

S2、获取机器人关节在不同转动速度下的关节力矩误差数据，在每个离散时间采样点，采集关节转角、关节转速和关节力矩误差三种数据，根据所述傅里叶级数函数计算相应关节转角下的输出值；

S3、建立三层结构的BP神经网络，所述BP神经网络的输入端包括关节转角、关节转速和所述傅里叶级数函数的输出值，输出端为关节力矩误差；

S4、将步骤S3所得的不同转动速度下的关节转角、关节转速、关节力矩误差及所计算的傅里叶级数函数输出值对BP神经网络进行训练，得到完整的BP神经网络模型；

S5、根据傅里叶级数函数和训练所得的BP神经网络模型建立关节波动摩擦力矩的模型，所述关节波动摩擦力矩模型的输入变量为关节转角、关节转速，输出为波动摩擦力矩。

2.根据权利要求1所述的机器人关节波动摩擦力矩的建模方法，其特征在于，所述的关节力矩误差数据通过如下步骤得到：

建立机器人动力学方程，其关节力矩包括机器人的加速度惯性力矩、离心力项力矩、哥氏力项力矩、重力项力矩和关节摩擦力矩；

根据机器人的运动状态，即关节转角q，角速度和角加速度计算机器人的关节计算力矩同时与实测的关节力矩T进行比较，得到关节力矩误差

3.根据权利要求1所述的机器人关节波动摩擦力矩的建模方法，其特征在于，步骤S1中，根据所采集的恒速转动下的关节力矩误差数据建立相同级数的傅里叶级数函数具体包括：

通过插补得到以关节转角为横坐标得到关节力矩误差曲线；

对所述关节力矩误差曲线进行频谱分析，取其中的分量，根据分量的数量和频率，建立相应的傅里叶级数函数；

使用关节力矩误差曲线数据对所述傅里叶级数函数的参数进行最小二乘辨识，得到具体的傅里叶级数函数模型。

4.根据权利要求1所述的机器人关节波动摩擦力矩的建模方法，其特征在于，步骤S2中，获取关节在不同转动速度下的关节力矩误差数据时，包括机器人关节在转向为正向和/或反向时的不同转动速度下的关节力矩误差数据。

5.根据权利要求1所述的机器人关节波动摩擦力矩的建模方法，其特征在于，步骤S4进行训练时，取一部分的数据作为训练数据，一部分的数据用于验证拟合效果，其中，所述关节转角、关节转速和傅里叶级数函数输出值作为BP神经网络模型输入，关节力矩误差数据用于BP神经网络模型的目标输出进行训练，经多次训练取最优的拟合结果和网络参数，得到完整的BP神经网络模型。

6.根据权利要求1所述的机器人关节波动摩擦力矩的建模方法，其特征在于，所述关节波动摩擦力矩模型在输出为波动摩擦力矩时，先将所述关节转角代入所述傅里叶级数函数计算相应结果后，再将所述关节转角、关节转速、所述傅里叶级数函数的计算结果作为输入量输入所述BP神经网络模型，得到的BP神经网络的输出为波动摩擦力矩，也即为关节波动摩擦力矩的模型的输出。

7.根据权利要求1所述的机器人关节波动摩擦力矩的建模方法，其特征在于，所述的机器人包括转动关节型机器人。

8.根据权利要求7所述的机器人关节波动摩擦力矩的建模方法，其特征在于，所述的转动关节型机器人包括串联关节型工业机器人，所述串联关节型工业机器人的转动关节配有RV减速器或谐波减速器。

9.根据权利要求8所述的机器人关节波动摩擦力矩的建模方法，其特征在于，所述的串联关节型工业机器人包括垂直六轴串联机器人。