考虑传动间隙的工业机器人关节刚度辨识方法

考虑传动间隙的工业机器人关节刚度辨识方法

摘要：

传动间隙是影响工业机器人关节运动精度的主要因素之一，关节刚

度是影响机器人整体刚度的重要参数，因此，研究传动间隙的工业机器

人关节刚度辨识方法具有重要意义。本文通过分析传动间隙的物理特性,

提出了一种基于关节轨迹重复性的关节刚度辨识方法。该方法使用反演

算法和数据处理技术，通过给定初始关节位置和轨迹误差，求解最优估

计值来辨识关节刚度。实验结果表明，该方法可以在较短的时间内较精

确地估计出工业机器人关节的刚度，从而有效提高机器人的运动精度和

重复性。

关键词：传动间隙，关节刚度，机器人运动精度，关节轨迹重复性,

反演算法。

L引言

工业机器人在现代工业自动化生产中扮演着越来越重要的角色。机

器人的运动精度和稳定性是决定其工作效率和品质的重要因素。在机器

人的运动学中，关节运动精度是一个关键性的问题。传动间隙是影响关

节运动精度的主要因素之一。关节刚度是影响机器人整体刚度的重要参

数。因此，如何准确地辨识出工业机器人的关节刚度，是提高机器人运

动精度和稳定性的关键问题。

传统的辨识方法主要是通过对关节力矩的测量来确定关节刚度。然

而，这种方法需要较高的成本和较长的辨识时间，且测量的结果容易受

到噪声和杂散信号的影响，导致辨识结果的不准确性。因此，需要寻找

一种更加有效的关节刚度辨识方法。

本文提出了一种基于关节轨迹重复性的关节刚度辨识方法。该方法

利用反演算法和数据处理技术，通过给定初始关节位置和轨迹误差，求

解最优估计值来辨识关节刚度。通过实验证明，该方法可以在较短时间

内较精确地估计出工业机器人关节的刚度，从而有效提高机器人的运动

精度和重复性。

2.工业机器人关节刚度的物理特性

关节刚度是指在不同关节位置下，机器人关节所产生的力矩与关节

角度的变化率之比。在机器人的运动学中，关节刚度是机器人的一个重

要性能参数，直接影响机器人的运动精度和稳定性。

在传动机构中，传动间隙是导致关节刚度的主要原因之一。传动间

隙指的是传动机构中的零件，如齿轮等，由于制造和安装误差所引起的

相对位移。在机器人关节运动中，由于传动间隙的存在，当电机停止运

转后,关节仍然能够继续保持一定的位置,这就是所谓的回程偏差。传

动间隙的大小取决于实际应用的传动机构的制造精度和运转状态。在机

器人应用中，关节刚度的大小不仅取决于传动间隙的大小，还与电棚区

动力,减速比，传动机构的刚度等参数有关。

3.关节刚度辨识方法

在工业机器人的关节运动中，关节位置的稳定和精度是机器人运动

精度的关键因素之一。因此，通过对关节运动的特性进行分析，可以确

定关节刚度的辨识方法。

3.1关节轨迹重复性

关节轨迹重复性是指在多次运动过程中，关节所运动的轨迹和速度

序列在某种意义下是重复的。对于精度要求较高的机器人应用，关节轨

迹重复性是一个重要的性能指标。在实际应用中，由于机器人关节和传

动机构的制造误差，电机扭矩的突变和噪声干扰等原因，关节轨迹的重

复性会受到很大的影响。因此，要准确地辨识出关节刚度，需要考虑关

节轨迹的重复性。

3.2反演算法

反演算法是一种常用的机器人控制算法，常用于机器人运动控制中

的轨迹控制和力控制。在关节刚度辨识中，反演算法可以用来求解关节

刚度的最优估计值。反演算法的基本思路是：先根据给定的关节位置和

速度向前计算出机器人的预测轨迹和力矩，然后再将实际的位置和力矩

作为反馈信号进行反演，从而求解最优的关节刚度值。

3.3数据处理技术

在关节刚度辨识中，数据处理技术是一个关键性的问题。数据处理

技术的目的是从实验数据中提取出有效的信息，用于对关节刚度的估计。

数据处理技术主要包括滤波、降噪、拟合等方法。这些方法一般可以分

为时域和频域两种，根据实际情况选择合适的方法进行处理。

4.实验分析

为了验证本文提出的关节刚度辨识方法的有效性，本文进行了一系

列实验。

4.1实验平台

本文使用了一台六自由度的ABB机器人作为实验平台，使用Matlab

作为实验平台。

4.2实验步骤

首先，使用实测仪器对机器人的关节刚度进行测量，得到机器人关

节划度的初始值。然后，通过反演算法和数据处理技术，计算出机器人

关节刚度的最优估计值。最后，对估计值进行分析，与实测值进行对比,

分析估计方法的优缺点。

4.3实验结果

实验结果表明，本文提出的基于关节轨迹重复性的关节刚度辨识方

法可以在较短的时间内较精确地估计出机器人的关节刚度。与传统的测

量方法相比，本文提出的方法具有成本低、时间短、精度高等优点。

5.总结

传动间隙是影响工业机器人关节运动精度的主要因素之一，关节刚

度是影响机器人整体刚度的重要参数。本文提出了一种基于