[发明专利]一种摩擦力补偿方法、装置、电子设备和存储介质

权利要求书

1.一种摩擦力补偿方法，用于机械臂控制系统，其特征在于，所述摩擦力补偿方法包括步骤：

S1.获取机械臂各个轴的状态数据；所述状态数据包括规划参数和历史参数；

S2.将所述状态数据输入到完成训练后的预测模型中，获取预测力矩改正值；所述预测模型包括至少一个初级学习器和一个次级学习器；

S3.将所述预测力矩改正值输入到所述机械臂的力矩前馈值中，以使所述机械臂根据所述力矩前馈值工作；

所述预测模型通过以下方式训练得到：

S21.获取多个原始样本数据，各个所述原始样本数据均包括状态数据和对应的标定力矩改正值；

S22.基于各个所述初级学习器所用的算法模型，为每个所述初级学习器预设多个超参数组合；

S23.基于所述原始样本数据和所述超参数组合，通过交叉验证法训练所述初级学习器，获得多个优选的初级学习器；

S24.基于所述原始样本数据，训练各个所述优选的初级学习器，获取多个最终的初级学习器；

S25.将多个所述原始样本数据分别输入到所述最终的初级学习器中，以获取所述最终的初级学习器的输出值，把每个所述输出值和对应的所述标定力矩改正值作为一个初级样本，得到多个所述初级样本；

S26.利用所有所述初级样本训练所述次级学习器，以获得一个最终的次级学习器。

2.根据权利要求1所述的摩擦力补偿方法，其特征在于，步骤S23包括：

S231.将所述原始样本数据划分为多个互斥的子集；

S232.根据所述子集获取多个折，各个所述折均包括由一个所述子集组成的第一测试集和由其余所述子集组成的第一训练集；各个所述折的所述第一测试集不相同；

S233.对于每个所述初级学习器均执行：

将各个所述折分别输入到基于各种超参数组合的所述初级学习器中，以获得对应各种超参数组合的评价结果；

S234.根据所有所述评价结果，获得所述优选的初级学习器。

3.根据权利要求1所述的摩擦力补偿方法，其特征在于，步骤S26包括：

将所述初级样本划分为第二测试集和第二训练集；

利用所述第二训练集训练所述次级学习器；

利用所述第二测试集测试训练后的所述次级学习器。

4.根据权利要求3所述的摩擦力补偿方法，其特征在于，所述利用所述第二训练集训练所述次级学习器的步骤包括：

在所述次级学习器的相邻两次训练的输出误差之间的偏差小于第一预设阈值时，停止训练。

5.根据权利要求1所述的摩擦力补偿方法，其特征在于，所述预测模型包括一个所述初级学习器，所述初级学习器为基于XGBoost算法的学习器或基于神经网络算法的学习器；

所述次级学习器为基于多响应线性回归算法的学习器。

6.根据权利要求1所述的摩擦力补偿方法，其特征在于，所述预测模型包括两个所述初级学习器，其中一个所述初级学习器为基于XGBoost算法的学习器，另一个所述初级学习器为基于神经网络算法的学习器；

所述次级学习器为基于多响应线性回归算法的学习器。