基于惯性测量仪的在线机器人参数辨识方法

摘要

本发明提供了基于惯性测量仪的在线机器人参数辨识方法，包括步骤：（1）机器人运动学建模，将机器人的关节与姿态联系在一起；（2）使用惯性测量仪测量机器人的姿态，并结合四元数算法(FQA)和卡尔曼滤波（KFs）对姿态数据进行估计，从而得到稳定的机器人姿态；（3）利用机器人的姿态辨识机器人参数。本发明通过结合四元数算法(FQA)和卡尔曼滤波（KFs）对姿态数据进行估计，从而得到稳定的机器人姿态，并利用机器人的姿态估计机器人的参数。

主权项

基于惯性测量仪的在线机器人参数辨识方法，其特征在于，包括以下步骤：S1、机器人运动学建模，将机器人的关节与姿态联系在一起，具体包括：根据DH模型来定义机器人末端的位置和姿态；通过连续均匀的转换，得到的运动学方程定义为：$T_N^0=T_N^0\left(v\right)=T_1^0{T}_2^1...T_N^{N-1}=\underset{i=1}{\overset{N}{\Pi }}{T}_i^{i-1}---\left(1\right)$设机器人本体坐标系为0坐标系，机器人末端坐标系为N坐标系，其中N是连杆坐标系或连杆的总数目；是从0坐标系转换到N坐标系的转换矩阵，即从机器人本体坐标系转换到机器人末端坐标系的转换矩阵；是从i‑1坐标系到i坐标系的平移矩阵，i为连杆编号，且i的取值为1～N；是机器人的参数向量，其中包含了连杆误差；v_i＝v′_i+Δv_i(2)其中v_i是连杆i的参数向量，v′_i是连杆i的标量，是连杆i的参数误差向量；根据DH模型得到的运动学方程定义为：$K_N^0=K_N^0\left(v\right)=K_1^0{K}_2^1...K_N^{N-1}=\underset{i=1}{\overset{N}{\Pi }}{K}_i^{i-1}---\left(3\right)$和$K_i^{i-1}=T_i^{i-1}(v_i^{\prime }+{\mathrm{\Delta v}}_i)=T_i^i+{\mathrm{\Delta T}}_i---\left(4\right)$考虑到连杆变量，有$K_N^0=T_N^0+\Delta T,\Delta T=\Delta T(u,\Delta v)---\left(5\right)$其中与定义一致，都是从0坐标系转换到N坐标系的转换矩阵，区别在于是实际值而是理想值；是从i‑1坐标系到i坐标系的实际平移矩阵；ΔT是误差平移矩阵；是关节角向量，θ为关节角；因此取值范围为的是一个与关节角向量u和连杆参数误差向量Δv相关的函数；S2、使用惯性测量仪测量机器人的姿态，并结合四元数算法和卡尔曼滤波对姿态数据进行估计，从而得到稳定的机器人姿态；S3、利用机器人的姿态辨识机器人参数。