[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113059567A - 一种scara机器人关节扰动补偿方法 - Google Patents

一种scara机器人关节扰动补偿方法 Download PDF

Info

Publication number
CN113059567A
CN113059567A CN202110361239.1A CN202110361239A CN113059567A CN 113059567 A CN113059567 A CN 113059567A CN 202110361239 A CN202110361239 A CN 202110361239A CN 113059567 A CN113059567 A CN 113059567A
Authority
CN
China
Prior art keywords
joint
compensation
scara robot
motor end
speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110361239.1A
Other languages
English (en)
Inventor
韩峰涛
庹华
刘超丛
曹华
张航
韩建欢
雷鸿
于文进
钱鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rokae Shandong Intelligent Technology Co ltd
Original Assignee
Rokae Shandong Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Rokae Shandong Intelligent Technology Co ltd filed Critical Rokae Shandong Intelligent Technology Co ltd
Priority to CN202110361239.1A priority Critical patent/CN113059567A/zh
Publication of CN113059567A publication Critical patent/CN113059567A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1651—Programme controls characterised by the control loop acceleration, rate control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/02—Programme-controlled manipulators characterised by movement of the arms, e.g. cartesian coordinate type
    • B25J9/04—Programme-controlled manipulators characterised by movement of the arms, e.g. cartesian coordinate type by rotating at least one arm, excluding the head movement itself, e.g. cylindrical coordinate type or polar coordinate type
    • B25J9/041—Cylindrical coordinate type
    • B25J9/042—Cylindrical coordinate type comprising an articulated arm

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明提出了一种scara机器人关节扰动补偿方法，包括：建立scara机器人关节电机端拉格朗日动力学方程；在scara机器人的第一关节第二关节输出端分别安装角速度传感器，根据两个角速度传感器获取两个关节减速器输出端旋转速度及位移；计算出电机端扰动补偿项；获取当前关节位置与期望关节位置误差；将位置误差送入到补偿增益ILC模块，更新补偿增益；将对应载波周期的补偿增益和计算出来的力矩补偿量进行乘法运算，补偿到力矩环中。本发明通过动力学模型计算扰动补偿量通；通过补偿量乘以可变补偿增益进一步优化扰动补偿效果；补偿增益通过ILC迭代学习进行优化，对负载变化具有学习适应能力。

Description

一种scara机器人关节扰动补偿方法
技术领域
本发明涉及工业机器人技术领域，特别涉及一种scara机器人关节扰动补偿方法。
背景技术
近年来，随着工业自动化程度的逐渐提高，工业机器人的应用领域从汽车、电子电器、机械等行业不断向其他应用领域发展，成为了许多工业场合中不可或缺的一部分,其中scara机器人在3C行业得到了广泛应用。3C行业高节拍特点要求scara控制更稳，更快，更准，目前scara第一关节第二关节大多采用电机加谐波减速结构，这就引入了关节柔性和摩擦力等扰动，这降低了机器人的控制精度。
目前虽然有些控制方法能解决这些问题，但是存在以下几方面不足：
1)在机器人控制器通过观测器等算法实现扰动补偿，观测器收敛时间较长，影响扰动补偿快速性。
2)扰动主要项摩擦力建模困难，很难获取准确摩擦力，影响扰动补偿的精度。
3)机器人负载实时变化，恒定增益扰动补偿不具有学习性。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种scara机器人关节扰动补偿方法。
为了实现上述目的，本发明的实施例提供一种scara机器人关节扰动补偿方法，包括如下步骤：
步骤S1，建立scara机器人关节电机端拉格朗日动力学方程，
Figure BDA0003005611950000011
其中，Mm为电机惯量；
Figure BDA0003005611950000012
为电机端加速度；Dm为电机端滑动摩擦系数；
Figure BDA0003005611950000013
为电机端速度；fm为电机端库伦摩擦系数；τm为电机端施加力矩；N为减速器减速比；K为减速器刚度；θm为电机端位置；θL为减速器输出端位置；
Figure BDA0003005611950000014
为减速器输出端速度；D为减速器阻尼；
步骤S2，在scara机器人的第一关节第二关节输出端分别安装角速度传感器，根据两个角速度传感器获取两个关节减速器输出端旋转速度及位移；
步骤S3，将电机输出力矩τm，减速器刚度K，关节阻尼D，减速比N，电机端位置θm，电机端速度
Figure BDA0003005611950000021
减速器输出端位置θL，减速器输出端速度
Figure BDA0003005611950000022
代入动力学方程右端，计算出电机端扰动补偿项τdis；
步骤S4，获取当前关节位置与期望关节位置误差；
步骤S5，将位置误差送入到补偿增益ILC模块，更新补偿增益；
步骤S6，将对应载波周期的补偿增益和计算出来的力矩补偿量进行乘法运算，补偿到力矩环中。
进一步，在所述步骤S2中，通过角速度传感器采集的信号进行高通滤波处理，再进行积分计算得到位移，在关节电机端安装位置传感器，获取电机位置，并通过微分运算获取速度。
进一步，在所述步骤S4中，所述关节期望位置θ*由控制器规划得到，减速器后端关节实际位置θL由角速度传感器积分计算得到，然后用关节期望位置θ*减去θL获取误差θerror。
进一步，在所述步骤S5中，采用开环P学习律，其中增益矩阵为与力矩环执行时间及位置指令执行时间相关的数组。
根据本发明实施例的scara机器人关节扰动补偿方法，在伺服驱动器里通过拉格朗日动力学方程，结合外加角速度传感器和关节编码器信息，采用载波周期在不建立扰动模型条件下获取需要补偿扰动力矩，同时通过ILC迭代学习控制实时调整补偿增益，提升控制精度。本发明在不需要准确模型情况下，通过动力学模型计算扰动补偿量通；通过补偿量乘以可变补偿增益进一步优化扰动补偿效果；补偿增益通过ILC迭代学习进行优化，对负载变化具有学习适应能力；通过合理阈值设计可以控制迭代学习状态，进一步增强系统鲁棒性，改善迭代学习对负载变化的适应能力。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的scara机器人关节扰动补偿方法的流程图；
图2为根据本发明实施例的scara机器人关节扰动补偿方法的架构图；
图3为根据本发明实施例的补偿增益ILC模块的示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
如图1和图2所示，本发明实施例的scara机器人关节扰动补偿方法，包括如下步骤：
步骤S1，建立scara机器人关节电机端拉格朗日动力学方程，
Figure BDA0003005611950000031
其中，Mm为电机惯量；
Figure BDA0003005611950000032
为电机端加速度；Dm为电机端滑动摩擦系数；
Figure BDA0003005611950000033
为电机端速度；fm为电机端库伦摩擦系数；τm为电机端施加力矩；N为减速器减速比；K为减速器刚度；θm为电机端位置；θL为减速器输出端位置；
Figure BDA0003005611950000034
为减速器输出端速度；D为减速器阻尼。
动力学方程(1)的左侧为扰动项，包含电机本身惯性力，摩擦力。关节内谐波减速器在不同力矩下刚度不同，根据厂家提供的数据制作表格，存储到控制器内，在力矩不同时，将电机输出力矩τm作为输入量，通过查表获得减速器刚度。减速器阻尼近似认为不变，采用离线辨识法。具体为，固定电机位置，对关节施加冲击，根据冲击后的力矩变化曲线辨识关节阻尼。
步骤S2，在scara机器人的第一关节第二关节输出端分别安装角速度传感器，根据两个角速度传感器获取两个关节减速器输出端旋转速度及位移，并获取其他相关参数。
具体的，scara机器人的第一关节第二关节输出端分别安装角速度传感器，获取两个关节减速器输出端旋转速度及位移。角速度直接通过角速度传感器获得，位移通过角速度积分获取，为减小传感器零漂带来的误差，应先将角速度传感器采集的信号进行高通滤波处理，再进行积分计算得到位移。关节电机端安装有位置传感器，可直接获取电机位置，并通过微分运算获取速度，为减小微分运算带来的误差，可将微分计算出的速度进行队列平均滤波处理。
步骤S3，将电机输出力矩τm，减速器刚度K，关节阻尼D，减速比N，电机端位置θm，电机端速度
Figure BDA0003005611950000041
减速器输出端位置θL，减速器输出端速度
Figure BDA0003005611950000042
代入动力学方程右端，计算出电机端扰动补偿项τdis。
步骤S4，获取当前关节位置与期望关节位置误差。
具体的，关节期望位置θ*由控制器规划得到，减速器后端关节实际位置θL由角速度传感器积分计算得到，然后用关节期望位置θ*减去θL获取误差θerror。
步骤S5，将位置误差送入到补偿增益ILC模块，更新补偿增益。
具体的，如图3所示，采用开环P学习律，其中增益矩阵为与力矩环执行时间及位置指令执行时间相关的数组。
如果scara机器人一个运动周期为500ms,则位置指令执行时间为500ms,力矩环执行载波周期为10Khz,单个载波周期执行时间为100us,因为扰动补偿每个载波周期执行一次，则一个运动周期内需要在伺服驱动器里存储5000个增益，一个运动周期500ms迭代一次,设置合理θerror阈值，当θerror足够小时，停止迭代。如果负载变化剧烈，θerror超出阈值，则重新开始学习。
步骤S6，将对应载波周期的补偿增益和计算出来的力矩补偿量进行乘法运算，补偿到力矩环中。
根据本发明实施例的scara机器人关节扰动补偿方法，在伺服驱动器里通过拉格朗日动力学方程，结合外加角速度传感器和关节编码器信息，采用载波周期在不建立扰动模型条件下获取需要补偿扰动力矩，同时通过ILC迭代学习控制实时调整补偿增益，提升控制精度。本发明在不需要准确模型情况下，通过动力学模型计算扰动补偿量通；通过补偿量乘以可变补偿增益进一步优化扰动补偿效果；补偿增益通过ILC迭代学习进行优化，对负载变化具有学习适应能力；通过合理阈值设计可以控制迭代学习状态，进一步增强系统鲁棒性，改善迭代学习对负载变化的适应能力。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

Claims (4)

1.一种scara机器人关节扰动补偿方法，其特征在于，包括如下步骤：
步骤S1，建立scara机器人关节电机端拉格朗日动力学方程，
Figure FDA0003005611940000011
其中，Mm为电机惯量；
Figure FDA0003005611940000012
为电机端加速度；Dm为电机端滑动摩擦系数；
Figure FDA0003005611940000013
为电机端速度；fm为电机端库伦摩擦系数；τm为电机端施加力矩；N为减速器减速比；K为减速器刚度；θm为电机端位置；θL为减速器输出端位置；
Figure FDA0003005611940000014
为减速器输出端速度；D为减速器阻尼；
步骤S2，在scara机器人的第一关节第二关节输出端分别安装角速度传感器，根据两个角速度传感器获取两个关节减速器输出端旋转速度及位移；
步骤S3，将电机输出力矩τm，减速器刚度K，关节阻尼D，减速比N，电机端位置θm，电机端速度
Figure FDA0003005611940000015
减速器输出端位置θL，减速器输出端速度
Figure FDA0003005611940000016
代入动力学方程右端，计算出电机端扰动补偿项τdis；
步骤S4，获取当前关节位置与期望关节位置误差；
步骤S5，将位置误差送入到补偿增益ILC模块，更新补偿增益；
步骤S6，将对应载波周期的补偿增益和计算出来的力矩补偿量进行乘法运算，补偿到力矩环中。
2.如权利要求1所述的scara机器人关节扰动补偿方法，其特征在于，在所述步骤S2中，通过角速度传感器采集的信号进行高通滤波处理，再进行积分计算得到位移，在关节电机端安装位置传感器，获取电机位置，并通过微分运算获取速度。
3.如权利要求1所述的scara机器人关节扰动补偿方法，其特征在于，在所述步骤S4中，所述关节期望位置θ*由控制器规划得到，减速器后端关节实际位置θL由角速度传感器积分计算得到，然后用关节期望位置θ*减去θL获取误差θerror。
4.如权利要求1所述的scara机器人关节扰动补偿方法，其特征在于，在所述步骤S5中，采用开环P学习律，其中增益矩阵为与力矩环执行时间及位置指令执行时间相关的数组。
CN202110361239.1A 2021-04-02 2021-04-02 一种scara机器人关节扰动补偿方法 Pending CN113059567A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110361239.1A CN113059567A (zh) 2021-04-02 2021-04-02 一种scara机器人关节扰动补偿方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110361239.1A CN113059567A (zh) 2021-04-02 2021-04-02 一种scara机器人关节扰动补偿方法

Publications (1)

Publication Number Publication Date
CN113059567A true CN113059567A (zh) 2021-07-02

Family

ID=76565644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110361239.1A Pending CN113059567A (zh) 2021-04-02 2021-04-02 一种scara机器人关节扰动补偿方法

Country Status (1)

Country Link
CN (1) CN113059567A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023227127A1 (zh) * 2022-05-27 2023-11-30 广东美的白色家电技术创新中心有限公司 关节模组的控制电路、控制方法及机器人
CN117850237A (zh) * 2024-01-10 2024-04-09 西安工程大学 基于迭代学习控制的跟踪处理方法、装置、设备和介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050246061A1 (en) * 2004-02-27 2005-11-03 Kabushiki Kaisha Toshiba Robot controller and robot controlling method
CN104339351A (zh) * 2013-08-05 2015-02-11 株式会社东芝 机器人控制装置
CN106873383A (zh) * 2017-04-17 2017-06-20 珞石（北京）科技有限公司 一种降低工业机器人振动的在线控制方法
CN108098799A (zh) * 2016-11-25 2018-06-01 株式会社东芝 机器人控制设备、机器人控制方法和拾取设备
CN108714896A (zh) * 2018-05-28 2018-10-30 华南理工大学 一种基于柔体动力学模型的机器人柔性力矩前馈控制方法
CN109664297A (zh) * 2018-12-14 2019-04-23 深圳市汇川技术股份有限公司 机器人的振动抑制方法、系统、装置及计算机可读存储器

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050246061A1 (en) * 2004-02-27 2005-11-03 Kabushiki Kaisha Toshiba Robot controller and robot controlling method
CN104339351A (zh) * 2013-08-05 2015-02-11 株式会社东芝 机器人控制装置
CN108098799A (zh) * 2016-11-25 2018-06-01 株式会社东芝 机器人控制设备、机器人控制方法和拾取设备
CN106873383A (zh) * 2017-04-17 2017-06-20 珞石（北京）科技有限公司 一种降低工业机器人振动的在线控制方法
CN108714896A (zh) * 2018-05-28 2018-10-30 华南理工大学 一种基于柔体动力学模型的机器人柔性力矩前馈控制方法
CN109664297A (zh) * 2018-12-14 2019-04-23 深圳市汇川技术股份有限公司 机器人的振动抑制方法、系统、装置及计算机可读存储器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
左国栋: "基于指数变增益迭代学习的 SCARA 轨迹跟踪研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *
林辉 等: "《迭代学习控制理论》", 31 October 1998, 西北工业大学出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023227127A1 (zh) * 2022-05-27 2023-11-30 广东美的白色家电技术创新中心有限公司 关节模组的控制电路、控制方法及机器人
CN117850237A (zh) * 2024-01-10 2024-04-09 西安工程大学 基于迭代学习控制的跟踪处理方法、装置、设备和介质

Similar Documents

Publication Publication Date Title
CN111152225B (zh) 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法
CN109664297B (zh) 机器人的振动抑制方法、系统、装置及计算机可读存储器
JP3883544B2 (ja) ロボット制御装置およびロボットの制御方法
CN109927032A (zh) 一种基于高阶滑模观测器的机械臂轨迹跟踪控制方法
US4989161A (en) Control unit for a multi-degree-of freedom manipulator
CN111037571B (zh) 一种机器人自适应变阻尼阻抗控制方法
CN112743541B (zh) 一种无力/力矩传感器机械臂软浮动控制方法
Boudjedir et al. Nonlinear PD plus sliding mode control with application to a parallel delta robot
CN113325805B (zh) 一种自抗扰控制器及其设计方法
US9796087B2 (en) Control system for power unit
CN113059567A (zh) 一种scara机器人关节扰动补偿方法
Hwang et al. Practical synchronous steering angle control of a dual-motor driving steer-by-wire system
CN109240092B (zh) 基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法
CN108453741B (zh) 一种工业机器人柔性伺服控制方法
CN109483542B (zh) 一种基于非线性运动学模型的机器人控制方法
Jatta et al. On the use of velocity feedback in hybrid force/velocity control of industrial manipulators
Tumari et al. The direct strain feedback with PID control approach for a flexible manipulator: Experimental results
CN111673742A (zh) 一种工业机器人轨迹跟踪控制算法
Han et al. External force estimation method for robotic manipulator based on double encoders of joints
Cruz et al. Application of robust discontinuous control algorithm for a 5-DOF industrial robotic manipulator in real-time
Ito et al. State feedback-based vibration suppression for multi-axis industrial robot with posture change
Ren et al. Impedance control of collaborative robots based on joint torque servo with active disturbance rejection
Lamraoui et al. Speed tracking control of unicycle type mobile robot based on LADRC
Alqaisi et al. Sliding mode controller and hierarchical perturbation compensator in a UAV quadrotor
Li et al. End-effector force estimation for robotic manipulators from motor current measurements

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210702