[发明专利]一种摩擦力补偿方法、装置、电子设备和存储介质

说明书

本发明涉及机械臂控制领域，具体为一种摩擦力补偿方法、装置、电子设备和存储介质。该摩擦力补偿方法包括步骤：获取机械臂各个轴的状态数据；状态数据包括规划参数和历史参数；将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；预测模型包括至少一个初级学习器和一个次级学习器；将预测力矩改正值输入到机械臂的力矩前馈值中，以使机械臂根据力矩前馈值工作；本发明能够结合规划参数和历史参数使得预测模型输出结果所考虑的因素更加充分和全面，有效降低不确定性的风险；同时通过设置两个学习器，使得模型的输出结果更加精确。

技术领域

本发明涉及机械臂控制领域，具体涉及一种摩擦力补偿方法、装置、电子设备和存储介质。

背景技术

机械臂在运动过程中不可避免地受到机构之间的摩擦力影响导致结构磨损并产生运动误差，因此在考虑机械臂的摩擦力情况下如何建立模型以消除（补偿）摩擦力对机械臂运动过程的影响成为优化机械臂动力学性能的热点问题。

现有技术中，大部分基于摩擦力建立的机械臂预测模型仅仅考虑到当前机械臂的运动参数以预测摩擦力对机械臂的影响，并没有充分考虑机械臂的历史运动状态，对于所建立的预测模型来说，输入的特征维度较少，以致所输出的摩擦力补偿值不够准确。

此外，大部分预测模型中仅仅采用单一的学习算法（学习器），以致泛化能力不佳。

因此，现有技术有待改进和发展。

发明内容

本发明的目的在于提供一种摩擦力补偿方法、装置、电子设备和存储介质，能够提高摩擦力补偿的精确度，同时有效提高预测模型的泛化能力。

第一方面，本申请提供一种摩擦力补偿方法，用于机械臂控制系统，所述摩擦力补偿方法包括以下步骤：

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。

第一方面，以历史实际的机械臂所有轴的状态数据和当前规划的机械臂所有轴的状态数据同时作为输入，充分考虑到了可能会影响到摩擦力的因素；第二方面，所建立的模型由两级学习算法（学习器）组成，将充分考虑机械臂历史参数的数据输入到模型中进行训练，使得模型能够参考更多特征维度，提高模型输出数据的准确度；第三方面，数据依次经过两层学习算法的解析预测，相比于采用单一学习算法，能够进一步确保所输出的摩擦力补偿值（预测力矩改正值）更加准确。

进一步的，所述完成训练后的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。