首页> 中国专利> 一种基于遗传算法的带有未知负载的机械手参数辨识方法

一种基于遗传算法的带有未知负载的机械手参数辨识方法

页面导航

摘要
著录项
法律信息
说明书
相似文献

摘要

一种基于遗传算法的带有未知负载的机械手参数辨识方法，它有四大步骤：步骤一：根据带有未知负载的双关节机械手臂的动力学特性，得到其动力学方程；步骤二：根据带有未知负载的双关节机械手臂动力学方程，将其中未知物理参数的函数进行变量分离，得到未知物理参数的函数被分离后的表达式；步骤三：根据未知物理参数的函数被分离后的表达式，设计遗传算法，对带有未知负载的双关节机械手臂参数进行辨识；步骤四：将通过MATLAB仿真得到的辨识值与测量值进行比较，实现对双关节机械手臂在带有未知负载时的物理参数的辨识。本发明解决了双关节机械手在带有未知负载的运动过程中物理参数的辨识问题，在机器人控制技术领域里具有实用价值。

著录项

公开/公告号CN102540894A

专利类型发明专利
公开/公告日2012-07-04

原文格式PDF
申请/专利权人南京电力设备质量性能检验中心;
展开▼

申请/专利号CN201210035865.2
发明设计人刘奕宁;陈宝林;刘金琨;
展开▼

申请日2012-02-17
分类号G05B13/04(20060101);
代理机构11232 北京慧泉知识产权代理有限公司;
代理人王顺荣;唐爱华
地址 210003 江苏省南京市栖霞区仙林街道文枢东路1号
入库时间 2023-12-18 05:55:46

法律信息

法律状态公告日

法律状态信息

法律状态
2017-03-29

未缴年费专利权终止 IPC(主分类):G05B13/04 授权公告日:20140409 终止日期:20160217 申请日:20120217

专利权的终止
2014-04-09

授权

授权
2012-09-05

实质审查的生效 IPC(主分类):G05B13/04 申请日:20120217

实质审查的生效
2012-07-04

公开

公开

说明书

(一)技术领域

本发明涉及一种基于遗传算法的带有未知负载的机械手参数辨识方法，特别是指一种基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识的方法，它是针对带有未知负载的双关节机械手臂的动力学模型，设计一种通过遗传算法来辨识机械手臂物理参数，属于机器人控制技术领域。

(二)背景技术

目前，在机器人控制领域，参数辨识问题越来越受到重视。通过何种辨识方法实现对机械手臂物理参数的精确辨识是机器人控制领域研究的热点。

机械手臂是仿人机器人中研究和应用最广泛的一类机器人。机械手臂作为一个多杆联接的复杂的动力学系统，具有多输入、多输出、强耦合和非线性等特点。动力学建模是机器人动态设计、机器人控制、机器人仿真和离线编程的重要基础，而机器人的物理参数又是动力学建模的必要条件。直接测量参数很难保证其精确度，有时甚至是不可行的。因此，对机械手臂进行参数辨识研究具有十分现实的意义。

在机器人学中有许多不同种类的模型，精确的辨识对于精确控制是十分必要的。参数辨识涉及通过辨识模型过程的综合领域。总的来说，存在两种模型：参数的和非参数的模型。参数模型由一些参数来描述，用于模型在全部工作范围内的精确度特征描述。机械手的物理参数是用来预测驱动力和力矩从而使物件和机械手运动。机器手物理参数的辨识成为研究机器人动力学的热点的问题之一，也是机器人动力学研究的一个重要课题。对机械手臂的物理参数辨识的精度和实时性影响机器人的智能化水平，在这方面的研究工作目前还比较少。

(三)发明内容

1、目的：本发明的目的是为了提供一种基于遗传算法的带有未知负载的机械手参数辨识方法，特别是指一种基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识的方法，它解决了双关节机械手在带有未知负载的运动过程中物理参数的辨识问题，从而实现对双关节机械手臂的物理参数的精确辨识。

2、技术方案：为达到上述目的，

本发明一种基于遗传算法的带有未知负载的机械手参数辨识方法，特别是指一种基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识的方法，它包括以下步骤：

步骤一：根据带有未知负载的双关节机械手臂的动力学特性，得到其动力学方程；

步骤二：根据带有未知负载的双关节机械手臂动力学方程，将其中未知物理参数的函数进行变量分离，得到未知物理参数的函数被分离后的表达式；

步骤三：根据未知物理参数的函数被分离后的表达式，设计遗传算法，对带有未知负载的双关节机械手臂参数进行辨识；

步骤四：将通过MATLAB仿真得到的辨识值与测量值进行比较，实现对双关节机械手臂在带有未知负载时的物理参数的辨识。

其中，步骤一所述的带有未知负载的双关节机械手臂动力学方程：

$H (q) \overset{\cdot \cdot}{q} + C (q, \overset{\cdot}{q}) \overset{\cdot}{q} + G (q) = τ .$

式中q、分别是关节的角位移，角速度和角加速度，H(q)是惯性矩阵，是科氏力和离心力，G(q)是重力，τ是输入力矩。

其中，步骤二所述的未知物理参数的函数被分离后的表达式为Ya＝τ，其中a是包含未知参数函数的矩阵。

其中，步骤三所述遗传算法的设计方法如下：

(1)确定决策变量及各种约束条件，即确定出个体的表现型X和问题的解空间；

(2)建立优化模型，即确定出目标函数的类型及数学描述形式或量化方法；

(3)确定表示可行解的染色体编码方法，即确定出个体的基因型x及遗传算法的搜索空间；

(4)确定个体适应度的量化评价方法，即确定出由目标函数值J(x)到个体适应度函数 F(x)的转换规则；

(5)设计遗传算子，即确定选择运算、交叉运算、变异运算等遗传算子的具体操作方法；

(6)确定遗传算法的有关运行参数，即M，G，P_c，P_m等参数；

(7)确定解码方法，即确定出由个体表现型X到个体基因型x的对应关系或转换方法。

3、优点及功效：本发明一种基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识方法，它的优点在于：

(1)综合了使用了机器人动力学分析方法和遗传算法的设计方法，将双关节机械手臂动力学方程中的未知物理参数的函数分离出来，给出了遗传算法的设计过程和结果，运用参数辨识的设计方法，实现对双关节机械手臂在带有未知负载时的物理参数的辨识。

(2)能够针对双关节机械手臂的动力学方程中的一个或多个未知物理参数的情况，通过变量分离和遗传算法的设计进行有效的辨识。

(3)解决了带有未知负载的双关节机械手臂的物理参数的辨识问题，具有简单、易于实现的特点，普适性好，并且为进一步进行机器人动力学建模和高精度控制奠定的可靠的基础。

(四)附图说明

图1：本发明基于遗传算法的带有未知负载的双关节机械手臂物理参数辨识方法的流程图；

图2：本发明带有未知负载的双关节机械手臂模型示意图；

图3：本发明遗传算法设计流程图；

图4：本发明遗传算法的目标函数的优化过程图；

图5：本发明带有未知负载的双关节机械手臂部分抑制已知物理参数图表；

图中的标号、符号和线条等说明如下：

图2中，q₁分别是机械手臂相对于水平坐标轴的角度，q₂分别是机械手臂2相对于机械手臂1的角度，m₁是机械手臂1的质量，l₁是机械手臂1的长度，是机械手臂1 质心相对于关节1的距离，I₁是机械手臂1相对于质心的转动惯量，g是重力加速度，机械手臂2连同负载视为一个整体，m_e是质量，l_ce是质心相对于关节2的距离，I_e是相对于质心的转动惯量，δ_e是质心与机械手臂2的夹角。

图5中，m₁是机械手臂1的质量，1₁是机械手臂1的长度，是机械手臂1质心相对于关节1的距离，I₁是机械手臂1相对于质心的转动惯量，g是重力加速度，机械手臂2连同负载视为一个整体，m_e是质量，l_ce是质心相对于关节2的距离，I_e是相对于质心的转动惯量，δ_e是质心与机械手臂2的夹角，e₂＝g/l₁。

(五)具体实施方式

为使本发明的目的、技术方案和优点表达得更加清楚明白，下面结合附图及具体实施例对本发明再作进一步详细的说明。

见图1-图5，本发明的基本思路是根据带有未知负载的双关节机械手臂的动力学特性，得到其动力学方程；根据带有未知负载的双关节机械手臂动力学方程，将其中未知物理参数的函数进行变量分离，得到未知物理参数的函数被分离后的表达式；根据未知物理参数的函数被分离后的表达式，设计遗传算法，对带有未知负载的双关节机械手臂参数进行辨识；将通过MATLAB仿真得到的辨识值与测量值进行比较，实现对双关节机械手臂在带有未知负载时的物理参数的辨识。

硬件系统方面，带有未知负载的双关节机械手臂。软件系统方面，系统仿真以软件 MATLABR2008b为基础开发。

下面以一实例进行说明：

如图1所示，本发明一种基于遗传算法的带有未知负载的机械手参数辨识方法，它包括以下步骤：

步骤一：根据带有未知负载的双关节机械手臂的动力学特性，得到其动力学方程；

$(\begin{matrix} α + 2 ϵ \cos (q_{2}) + 2 η \sin (q_{2}) & β + ϵ \cos (q_{2}) + η \sin (q_{2}) \\ β + ϵ \cos (q_{2}) + η \sin (q_{2}) & β \end{matrix}) (\begin{matrix} {\overset{\cdot \cdot}{q}}_{1} \\ {\overset{\cdot \cdot}{q}}_{2} \end{matrix}) +$

$(\begin{matrix} (- 2 ϵ \sin (q_{2}) + 2 η \cos (q_{2})) {\overset{\cdot}{q}}_{2} & (- ϵ \sin (q_{2}) + η \cos (q_{2})) {\overset{\cdot}{q}}_{2} \\ (ϵ \sin (q_{2}) - η \cos (q_{2})) {\overset{\cdot}{q}}_{1} & 0 \end{matrix}) (\begin{matrix} {\overset{\cdot}{q}}_{1} \\ {\overset{\cdot}{q}}_{2} \end{matrix}) +$

$(\begin{matrix} ϵ e_{2} \cos (q_{1} + q_{2}) + η e_{2} \sin (q_{1} + q_{2}) + (α - β + e_{1}) e_{2} \cos (q_{1}) \\ ϵ e_{2} \cos (q_{1} + q_{2}) + η e_{2} \sin (q_{1} + q_{2}) \end{matrix}) = (\begin{matrix} τ_{1} \\ τ_{2} \end{matrix})$

其中q₁、分别是机械手臂相对于水平坐标轴的角度、角速度和角加速度， q₂、分别是机械手臂2相对于机械手臂1的角度、角速度和角加速度，τ₁、τ₂分别是关节1和关节2的输入力矩， $α = I_{1} + m_{1} l_{c_{1}}^{2} + I_{e} + m_{e} l_{ce}^{2} + m_{e} l_{1}^{2}, β = I_{e} + m_{e} l_{ce}^{2},$ ε＝m_el₁l_cecos(δ_e)，η＝m_el₁l_cesin(δ_e)，e₂＝g/l₁。

其中m₁是机械手臂1的质量，l₁是机械手臂1的长度，是机械手臂1质心相对于关节1的距离，I₁是机械手臂1相对于质心的转动惯量，g是重力加速度，机械手臂2 连同负载视为一个整体，m_e是质量，l_ce是质心相对于关节2的距离，I_e是相对于质心的转动惯量，δ_e是质心与机械手臂2的夹角。

步骤二：根据带有未知负载的双关节机械手臂动力学方程，将其中未知物理参数的函数进行变量分离，得到未知物理参数的函数被分离后的表达式；

α、β、ε、η为未知参数，m_e、l_ce、I_e、δ_e的函数，经过变换，得到变量分离后的结果：

$H \overset{\cdot \cdot}{q} + C \overset{\cdot}{q} + G$

$= (\begin{matrix} (α + 2 ϵ \cos (q_{2}) + 2 η \sin (q_{2})) {\overset{\cdot \cdot}{q}}_{1} + (β + ϵ \cos (q_{2}) + η \sin (q_{2})) {\overset{\cdot \cdot}{q}}_{2} \\ (β + ϵ \cos (q_{2}) + η \sin (q_{2})) {\overset{\cdot \cdot}{q}}_{1} + β {\overset{\cdot \cdot}{q}}_{2} \end{matrix})$

$+ (\begin{matrix} (- 2 ϵ \sin (q_{2}) + 2 η \cos (q_{2})) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{1} + (- ϵ \sin (q_{2}) + η \cos (q_{2})) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{2} \\ (ϵ \sin (q_{2}) - η \cos (q_{2})) {\overset{\cdot}{q}}_{1} {\overset{\cdot}{q}}_{2} \end{matrix})$

$+ (\begin{matrix} {ϵe}_{2} \cos (q_{1} + q_{2}) + η e_{2} \sin (q_{1} + q_{2}) + (α - β + e_{1}) e_{2} \cos (q_{1}) \\ ϵ e_{2} \cos (q_{1} + q_{2}) + η e_{2} \sin (q_{1} + q_{2}) \end{matrix})$

$= (\begin{matrix} ({\overset{\cdot \cdot}{q}}_{1} + e_{2} \cos (q_{1})) α + ({\overset{\cdot \cdot}{q}}_{2} - e_{2} \cos (q_{1})) β \\ + (2 \cos (q_{2}) {\overset{\cdot \cdot}{q}}_{1} + \cos (q_{2}) {\overset{\cdot \cdot}{q}}_{2} - 2 \sin (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{1} - \sin (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{2} + e_{2} \cos (q_{1} + q_{2})) ϵ \\ + (2 \sin (q_{2}) {\overset{\cdot \cdot}{q}}_{1} + \sin (q_{2}) {\overset{\cdot \cdot}{q}}_{2} + 2 \cos (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{1} + \cos (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{2} + e_{2} \sin (q_{1} + q_{2})) η \\ 0 \times α + ({\overset{\cdot \cdot}{q}}_{1} + {\overset{\cdot \cdot}{q}}_{2}) β + (\cos (q_{2}) {\overset{\cdot \cdot}{q}}_{1} + \sin (q_{2}) {\overset{\cdot}{q}}_{1} {\overset{\cdot}{q}}_{1} + e_{2} \cos (q_{1} + q_{2})) ϵ \\ + (\sin (q_{2}) {\overset{\cdot \cdot}{q}}_{1} - \cos (q_{2}) {\overset{\cdot}{q}}_{1} {\overset{\cdot}{q}}_{1} + e_{2} \sin (q_{1} + q_{2})) η \end{matrix})$

$= (\begin{matrix} 2 \cos (q_{2}) {\overset{\cdot \cdot}{q}}_{1} + \cos (q_{2}) {\overset{\cdot \cdot}{q}}_{2} & 2 \sin (q_{2}) {\overset{\cdot \cdot}{q}}_{1} + \sin (q_{2}) {\overset{\cdot \cdot}{q}}_{2} \\ {\overset{\cdot \cdot}{q}}_{1} + e_{2} \cos (q_{1}) & {\overset{\cdot \cdot}{q}}_{2} - e_{2} \cos (q_{1}) & - 2 \sin (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{1} - \sin (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{2} & + 2 \cos (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{1} + \cos (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{2} \\ + e_{2} \cos (q_{1} + q_{2}) & + e_{2} \sin (q_{1} + q_{2}) \\ 0 & {\overset{\cdot \cdot}{q}}_{1} + {\overset{\cdot \cdot}{q}}_{2} & \cos (q_{2}) {\overset{\cdot \cdot}{q}}_{1} + \sin (q_{2}) {\overset{\cdot}{q}}_{1} {\overset{\cdot}{q}}_{1} & \sin (q_{2}) {\overset{\cdot \cdot}{q}}_{1} - \cos (q_{2}) {\overset{\cdot}{q}}_{1} {\overset{\cdot}{q}}_{1} \\ + e_{2} \cos (q_{1} + q_{2}) & + e_{2} \sin (q_{1} + q_{2}) \end{matrix}) \cdot (\begin{matrix} α \\ β \\ ϵ \\ η \end{matrix})$

Ya＝τ

其中是一个2×4矩阵，a＝[αβεη]^T，τ＝[τ₁τ₂]^T，

其中

$Y = (q, \overset{\cdot}{q}, \overset{\cdot \cdot}{q}) (\begin{matrix} 2 \cos (q_{2}) {\overset{\cdot \cdot}{q}}_{1} + \cos (q_{2}) {\overset{\cdot \cdot}{q}}_{2} & 2 \sin (q_{2}) {\overset{\cdot \cdot}{q}}_{1} + \sin (q_{2}) {\overset{\cdot \cdot}{q}}_{2} \\ {\overset{\cdot \cdot}{q}}_{1} + e_{2} \cos (q_{1}) & {\overset{\cdot \cdot}{q}}_{2} - e_{2} \cos (q_{1}) & - 2 \sin (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{1} - \sin (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{2} & + 2 \cos (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{1} + \cos (q_{2}) {\overset{\cdot}{q}}_{2} {\overset{\cdot}{q}}_{2} \\ + e_{2} \cos (q_{1} + q_{2}) & + e_{2} \sin (q_{1} + q_{2}) \\ 0 & {\overset{\cdot \cdot}{q}}_{1} + {\overset{\cdot \cdot}{q}}_{2} & \cos (q_{2}) {\overset{\cdot \cdot}{q}}_{1} + \sin (q_{2}) {\overset{\cdot}{q}}_{1} {\overset{\cdot}{q}}_{1} & \sin (q_{2}) {\overset{\cdot \cdot}{q}}_{1} - \cos (q_{2}) {\overset{\cdot}{q}}_{1} {\overset{\cdot}{q}}_{1} \\ + e_{2} \cos (q_{1} + q_{2}) & + e_{2} \sin (q_{1} + q_{2}) \end{matrix})$

步骤三：根据未知物理参数的函数被分离后的表达式，设计遗传算法，对带有未知负载的双关节机械手臂参数进行辨识；

遗传算法的设计方法如下：

(1)确定决策变量和约束条件；

(2)建立优化模型；

(3)确定编码方法：用十进制浮点编码来分别表示四个决策变量α、β、ε、η，搜索范围分别为[0，10]，[0，5]，[0，5]，[0，5]；

(4)确定解码方法：用十进制浮点编码，所以此处无需解码；

(5)确定个体评价方法：由于力矩函数的值域总是非负的，并且优化目标是求函数的最小值，故可将个体的适应度取为对应的目标函数值的倒数，即

F(τ)＝1/f(τ₁，τ₂)

选个体适应度的倒数作为目标函数

$J (τ) = \frac{1}{F (τ)}$

其中 $f (τ_{1}, τ_{2}) = \frac{1}{2} [{(τ_{1} - τ_{1 d})}^{2} + {(τ_{2} - τ_{2 d})}^{2}];$

(6)设计遗传算子：选择运算使用比例选择算子，交叉运算使用单点交叉算子，变异运算使用基本位变异算子。

(7)确定遗传算法的运行参数：群体大小M＝200，终止进化代数G＝1500，交叉概率P_c＝0.90，变异概率P_m＝(0.20-(0.10-0.001)×kg/G)，

其中kg是迭代次数。

步骤四：将通过MATLAB仿真得到的辨识值与测量值进行比较，实现对双关节机械手臂在带有未知负载时的物理参数的辨识。

其中，测量值经计算为a＝[αβεη]^T＝[6.7333 3.4 3.0 0]^T，辨识值为 $\hat{a} = {(\begin{matrix} \hat{α} & \hat{β} & \hat{ϵ} & \hat{η} \end{matrix})}^{T} = {(\begin{matrix} 6.3504 & 3.2052 & 2.8330 & 0.0001 \end{matrix})}^{T} .$

去获取专利，查看全文>

相似文献

专利
中文文献
外文文献

1. 一种基于遗传算法的带有未知负载的机械手参数辨识方法 [P] . 中国专利： CN102540894B . 2014.04.09
2. 一种基于遗传算法的带有未知负载的机械手参数辨识方法 [P] . 中国专利： CN102540894A . 2012-07-04
3. Method to design an analog circuit, where a large signal parameter is determined based on the evaluation of small signal parameters on several load lines [P] . 欧洲知识产权局专利： EP1713014A2 . 2006-10-18

机译：一种设计模拟电路的方法，其中基于对多个负载线上的小信号参数的评估来确定大信号参数
4. Method to design an analog circuit, where a large signal parameter is determined based on the evaluation of small signal parameters on several load lines [P] . 欧洲知识产权局专利： EP1713014A3 . 2006-10-25

机译：一种设计模拟电路的方法，其中基于对多个负载线上的小信号参数的评估来确定大信号参数
5. (54) Title: A CONTENT BASED APPROACH TO EXTENDING THE FORM AND FUNCTION OF A BUSINESS INTELLI¬GENCE SYSTEM (57) Abstract: A business intelligence (BI) system includes the ability to extend its functionality outside of the project life cycle by means of specific content. Complex multidimensional queries are interpreted as trees of atomic sub-expressions that are com¬bined in a parse-tree-like structure to form the overall query. Each sub tree is valid in isolation when provided with the proper context. Any sub tree can be an expression template, stored as application content, which at generation time uses simple text sub¬stitution with instance specific parameters to produce multidimensional expression syntax. The system includes a sophisticated type system and semantic layer that hides the user from the complexities inherent in working with OLAP databases. A business in¬telligence expert can provide type and semantic cues for each expression template, held as content. [P] . IN2012CN02100A . 2012-11-02

机译：（54）标题：一种扩展商务智能系统的形式和功能的基于内容的方法（57）摘要：商务智能（BI）系统具有通过以下方式将其功能扩展到项目生命周期之外的能力：具体内容。复杂的多维查询被解释为原子子表达式的树，这些原子子表达式组合成类似解析树的结构以形成整体查询。每个子树在提供适当的上下文时都是有效的。任何子树都可以是作为应用程序内容存储的表达模板，该表达模板在生成时使用带有实例特定参数的简单文本替换来生成多维表达语法。该系统包括一个复杂的类型系统和语义层，使用户摆脱了使用OLAP数据库所固有的复杂性。商业智能专家可以为每个作为内容的表达模板提供类型和语义提示。