摘要
随着制造业的快速发展，工业机器人的应用场景不断地拓展，一些应用场景具有力控制的需求。传统工业机器人无法在不附加外部设备的情况下进行力控的作业，为避免使用力传感器等外部设备，对外力估计方法进行研究，获得外力感知能力，可以为人机协同作业、轴孔装配等力控作业场景提供支持。在获得外力感知能力后，针对物理人机交互(pHRI)的应用场景，研究力控制算法，提高交互时的柔顺性。因此，本文进行外力估计和pHRI的研究。构建机器人动力学模型，进行动力学参数辨识的研究，提高辨识精度。针对机器人动力学参数辨识构建的模型存在误差，以及采集的数据存在噪声，研究基于误差概率模型和滑动窗口变分自适应卡尔曼(SWVAKF)的外力估计算法，提高外力估计精度。针对pHRI时，人施加给机器人的力和刚度具有时变性，研究自适应变阻抗的力控制算法，提高对不同刚度环境的适应度以及pHRI时的柔顺性。 综上所述，本文主要研究工业机器人外力估计和物理人机交互算法，主要研究内容和工作成果如下： 1.非线性摩擦模型的设计及参数辨识：针对机器人在低速时建模误差较大，考虑机器人在低速时的摩擦特性，基于非线性的Tustin摩擦模型，引入两个参数分别描述库伦摩擦和静摩擦的Stribeck特性。设计符合正反转时非摩擦力矩相互抵消的关节速度轨迹，使用最小二乘法(LS)估计摩擦参数。最后通过实验验证了设计的摩擦模型的有效性。 2.基于最小二乘法和共生生物搜索算法的动力学参数辨识：针对机器人动力学模型复杂，参数多的特点，对惯性参数进行重组，以及删除一些对动力学模型没有影响的参数以减少变量数，降低模型复杂度。为充分激发机器人动态特性，减少噪声影响，设计了基于傅里叶级数的激励轨迹，引入Hadamard不等式构造优化准则对轨迹进行优化。针对简化后的模型参数仍然较多，考虑对整体力矩贡献小的参数相对标准偏差(RSD)较大，利用LS对简化的惯性参数集参数进行辨识，消除RSD较大的参数，获得最小惯性参数集。针对单独辨识的摩擦参数和惯性参数不如整体辨识出的参数精度高，利用辨识得到的最小惯性参数集参数和摩擦参数(最小动力学参数)为中心拓展参数搜索的上下界，设计各个关节权重可调的适应度函数，使用共生生物搜索(SOS)算法对最小动力学参数集进行整体参数辨识。最后通过实验验证了辨识算法的有效性。此方法对于工业机器人外力估计、碰撞检测、动力学前馈控制等的研究都具有应用价值。 3.机器人外力估计的过程动态模型和误差概率模型的构建：针对位置两次差分获得加速度信号的过程会引入噪声，引入了广义动量，避免了对加速度信号的使用。针对摩擦模型估计误差存在的不确定性，给出了一种误差协方差与关节速度呈线性关系的正态分布概率模型。针对机器人交互时接触外力具有时变的特点，给出了一种外力导数项的协方差与估计外力呈线性关系的正态分布概率模型。设定广义动量和外力为状态变量，摩擦估计偏差与外力导数项为随机干扰，含有正态分布噪声的广义动量为测量输出量，构建机器人交互过程动态模型。给出了通过系统辨识实验数据分析确定随机干扰项概率模型参数，并获取与关节速度和外力相关的协方差的方法。通过实验验证了基于力变化的误差概率模型提高了外力估计的精度。 4.基于误差概率模型和SWVAKF的比例自适应误差协方差估计的外力估计：针对构建的误差概率模型仍然存在误差，考虑在机器人与外界交互的大多数阶段，误差协方差变化较小，引入了SWVAKF对误差协方差进行估计。针对机器人在零速附近及外力较大时误差协方差变化较大，考虑SWVAKF算法包含了滑动窗口的后向平滑过程，对变化较大的协方差进行了平滑处理，而基于误差概率模型的构建的协方差可以根据交互状态的改变，构建出变化较大的协方差。因此结合两者的特点，设计了与机器人和环境交互时的关节速度和估计力变化率相关的一组自适应比例因子，提出了基于误差概率模型和SWVAKF的比例自适应误差协方差估计的外力估计算法。最后，通过实验验证了所提算法相对于标准卡尔曼滤波具有更高的外力估计精度。此方法可以扩展工业机器人的应用场景，对力控制精度要求不高的场景提供力感知能力，减少成本。 5.物理人机交互力控制：针对pHRI过程中人与机器人末端执行器之间接触阻抗存在不确定性，研究了工业机器人的变阻抗控制下的人机交互问题。提出了一种基于速度的自适应变阻抗交互力控制方法，依据交互力跟踪误差自适应调节导纳控制器的阻尼参数，给出机器人的期望速度。在St?ubliTX-90型机器人的笛卡尔空间速度模式下跟踪期望速度，从而实现交互力控制。最后，通过定阻抗和自适应变阻抗的交互力控制仿真和实验，验证了所提出的方法比定阻抗控制具有更好的控制效果。此方法提高了pHRI过程的柔顺性，降低作业人员的劳动强度，可以广泛的应用于工业机器人拖动示教、康复辅助等场景。
NETL