[发明专利]机械臂的参数测量与辨识方法及装置、终端、存储介质

说明书

本发明提供一种机械臂的参数辨识方法，定义M‑DH参数，并写出关节坐标系之间的齐次变换矩阵；获取各个理论关节角度值，代入机器人运动学正解模型求解得到理论末端位置和误差表达式；测量实际末端位置，并求解该理论末端位置与实际末端位置之间的误差值；测量多组关节点的末端位置，建立线性方程组并利用最小二乘算法求解出M‑DH参数的误差值；修正M‑DH参数，利用修正的M‑DH参数得到修正后的末端位置；判断修正后的末端位置与实际末端位置的误差是否收敛，若判断结果为是，则结束流程。本发明还提供一种机械臂的参数测量方法及装置、机械臂的参数辨识装置、终端装置以及存储介质。利用本发明实施例，可提升参数辨识精度。

技术领域

本发明涉及机器人技术领域，尤其涉及一种机械臂的参数测量方法及装置、机械臂的参数辨识方法及装置、终端以及存储介质。

背景技术

本部分旨在为权利要求书及具体实施方式中陈述的本发明实施例的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着我国航空航天事业的蓬勃发展，空间机器人的应用也越来越广泛，在复杂环境中，应用空间机器人来进行卫星的捕获与故障维修、航天器的组装以及用来辅助航天员完成太空实验。然而，空间机器人在进入太空飞行轨道之后，由于极冷、极热及辐射等复杂太空环境的影响，以及空间机器人存在关节和连杆的弹性、传动误差和回差等非几何参数的影响，空间机器人的各项运动学参数和实际末端操作器位姿之间的转移矩阵关系将会改变，机器人的末端精度随之发生改变，进而影响了空间机器人的操作。

现有的机械臂的参数辨识方法包括扩展卡尔曼滤波法、Levenberg-Marquardt算法、递归线性方程和扩展卡尔曼滤波法、基于S模型的旋转半径法。扩展卡尔曼滤波法用来进行运动学参数辨识，能够处理参数估计中的不确定问题，但该方法没有考虑误差分布情况，有时参数辨识精度较低，且容易发散。Levenberg-Marquardt算法是将梯度下降法和牛顿法结合起来，该计算所占内存空间较大。基于S模型的旋转中心和旋转平面，并且引入了旋转半径等方法，算法复杂，操作难度大。

发明内容

鉴于此，本发明提供一种机械臂的参数辨识方法及装置、机械臂的参数测量方法及装置、终端以及存储介质，可提升机械臂的参数辨识精度。

本发明实施例第一方面提供一种机械臂的参数辨识方法，所述机械臂的参数辨识方法包括：

步骤1：定义M-DH参数，并根据该M-DH参数写出关节坐标系之间的齐次变换矩阵；

步骤2：获取各个理论关节角度值，代入机器人运动学正解模型求解得到理论末端位置和误差表达式；

步骤3：建立世界坐标系，进行参数测量得到实际末端位置，并求解该理论末端位置与实际末端位置之间的误差值；

步骤4：测量多组关节点的末端位置，建立线性方程组并利用最小二乘算法求解出M-DH参数的误差值；

步骤5：修正M-DH参数，利用修正的M-DH参数代入机器人运动学正解模型，得到修正后的末端位置；

步骤6：比较修正后的末端位置与实际末端位置的误差；

步骤7：判断误差是否收敛；

步骤8：继续测量优化模型并返回步骤:2。

进一步的，在本发明实施例提供的上述机械臂的参数辨识方法中，所述齐次变换矩阵为：

其中，θ_n为关节n的关节角，a_n为连杆n的连杆长度，α_n为连杆n的扭角，d_n为为连杆n的轴线的法线距离，β_n为连杆n的扭角参数，c为cos，s为sin。