基于外力矩观测器的机器人碰撞检测

doi:10.12141/j.issn.1000-565X.230086

摘要/Abstract

摘要：

碰撞检测技术可以降低设备损坏和人身伤害的几率，在现代化的人机协作生产中起着重要的作用。实现免外力矩传感器的碰撞检测需要准确地估计工业机器人受到碰撞时的关节外力矩。然而，动力学模型的参数辨识误差以及电机电流的测量误差等因素会影响外力矩估计的准确性。为了解决这些问题，本文设计了一种扰动卡尔曼滤波外力矩观测器。该观测器基于扰动原理将外部碰撞等效的外力矩作为扰动项，并定义关节扰动模型。同时，引入机器人的广义动量构建状态空间方程。考虑到动力学模型的参数辨识以及电机电流的测量存在误差，基于卡尔曼滤波算法进行迭代估计，从而得到最优的外力矩观测值。为了提高碰撞检测的灵敏度，本文提出了一种随关节速度变化的时变对称阈值函数，用于实现碰撞检测。该方法可以根据关节速度的变化调整阈值，以适应不同工作速度下的外力矩观测值。实验结果表明，与广义动量观测器相比，所提出的观测器在外力矩估计的整体精度上提高了52.03%。为了验证所提方法的有效性，本文利用6自由度串联关节型工业机器人进行了碰撞检测实验。实验结果显示，相比于静态阈值，采用时变阈值的方法缩短了58.06%的检测延时，从而可以提高碰撞检测的灵敏度，更有利于工业机器人的安全操作和碰撞防护。

关键词: 工业机器人, 碰撞检测, 外力矩观测器, 时变阈值

Abstract:

Collision detection technology can reduce the probability of equipment damage and personal injury and plays an important role in modern human-robot collaborative production. To realize the collision detection without external torque sensor, it is necessary to accurately estimate the external torque of industrial robots. However, the accuracy of external torque estimation can be affected by parameters identification error of dynamic model and measurement error of motor current. To solve these problems, this paper designed a disturbance Kalman filter external torque observer based on the disturbance principle. The observer takes the equivalent external torque of external collision as the disturbance term, defines the joint disturbance model, and introduces the generalized momentum of the robot to construct the state-space equation. Considering the parameters identification error of the dynamic model and the measurement error of the motor current, it carried out an iterative estimation based on Kalman filter algorithm to obtain the optimal external torque. In order to improve the sensitivity of collision detection, a time-varying symmetric threshold function which varies with joint velocity was proposed for collision detection. The proposed method can adjust the threshold according to the change of joint velocity to adapt to the observed values of external torques at different working speeds. Experimental results show that compared with the generalized momentum observer, the accuracy of external torque estimation of the proposed observer is improved by 52.03%. In order to verify the effectiveness of the proposed method, this paper used a 6-DOF series joint industrial robot to conduct collision detection experiments. The experimental results show that compared with the static threshold, the time-varying threshold method reduces the detection delay by 58.06%, which can improve the sensitivity of collision detection and is more conducive to the safe operation and collision protection of industrial robots.

Key words: industrial robot, collision detection, external torque observer, time-varying threshold

中图分类号:

TP242.2

张铁, 陈亿杰, 邹焱飚. 基于外力矩观测器的机器人碰撞检测[J]. 华南理工大学学报(自然科学版), 2024, 52(3): 84-92.

ZHANG Tie, CHEN Yijie, ZOU Yanbiao. Robot Collision Detection Based on External Torque Observer[J]. Journal of South China University of Technology(Natural Science Edition), 2024, 52(3): 84-92.

图/表 10

图1

图2

图3

表1

扰动卡尔曼滤波观测器中协方差矩阵参数"

$d i a g (a i, i)$	$H$	$S$	$Σ d$	$Σ p$	$Σ o$
$a i, i$	1	0	0.5	0.1	0.075

表1

图4

表2

图5

图6

图7

图8

参考文献 23

1	FLACCO F， KROEGER T， DE LUCA A，et al ．A depth space approach for evaluating distance to objects with application to human-robot collision avoidance［J］．Journal of Intelligent & Robotic Systems，2015，80（1）：7-22.
2	LI W， HAN Y， WU J H，et al ．Collision detection of robots based on a force/torque sensor at the bedplate［J］．IEEE-ASME Transactions on Mechatronics，2020，25（5）：2565-2573.
3	PARK K M， KIM J， PARK J，et al ．Learning-based real-time detection of robot collisions without joint torque sensors［J］．IEEE Robotics and Automation Letters，2021，6（1）：103-110.
4	PARK K M， PARK Y， YOON S，et al ．Collision detection for robot manipulators using unsupervised anomaly detection algorithms［J］．IEEE-ASME Transactions on Mechatronics，2022，27（5）：2841-2851.
5	TAKAURA S， MURAKAMI T， OHNISHI K ．An approach to collision detection and recovery motion in industrial robot［C］∥Proceeding of the 15th Annual Conference of IEEE Industrial Electronics Society．Philadelphia：IEEE，1989：421-426.
6	HADDADIN S， DE LUCA A， ALBU-SCHAFFER A ．Robot collisions：a survey on detection，isolation，and identification［J］．IEEE Transactions on Robotics，2017，33（6）：1292-1312.
7	ZHANG S L， WANG S， JING F S，et al ．A sensorless hand guiding scheme based on model identification and control for industrial robot［J］．IEEE Transactions on Industrial Informatics，2019，15（9）：5204-5213.
8	DE LUCA A， MATTONE R ．Actuator failure detection and isolation using generalized momenta［C］∥Proceeding of the IEEE International Conference on Robotics and Automation．New York：IEEE，2003：634-639.
9	CHEN S X， LUO M Z， HE F ．A universal algorithm for sensorless collision detection of robot actuator faults［J］．Advances in Mechanical Engineering，2018，10（1）：1-10.
10	LEE S D， SONG J B ．Sensorless collision detection based on friction model for a robot manipulator［J］．International Journal of Precision Engineering and Manufacturing，2016，17（1）：11-17.
11	HAN L Y， MAO J L， CAO P F，et al ．Toward sensorless interaction force estimation for industrial robots using high-order finite-time observers［J］．IEEE Transactions on Industrial Electronics，2022，69（7）：7275-7284.
12	DIMEAS F， AVENDANO-VALENCIA L D，ASPRAGA- THOS N ．Human-robot collision detection and identification based on fuzzy and time series modelling［J］．Robotica，2015，33（9）：1886-1898.
13	XU T， FAN J Z， FANG Q Q ．Robot dynamic calibration on current level：modeling，identification and applications［J］．Nonlinear Dynamics，2022，109（4）：2595-2613.
14	REN T Y， DONG Y F， WU D ．Collision detection and identification for robot manipulators based on extended state observer［J］．Control Engineering Practice，2018，79（1）：144-153.
15	LI Y， LI Y H， ZHU M C ．A nonlinear momentum observer for sensorless robot collision detection under model uncertainties［J］．Mechatronics，2021，78（1）：1-16.
16	WAGNER M， LIU S B， GIUSTI A，et al ．Interval-arithmetic-based trajectory scaling and collision detection for robots with uncertain dynamics［C］∥Proceeding of the IEEE International Conference on Robotic Computing．New York：IEEE，2018：41-48.
17	张铁，梁骁翃，覃彬彬，等．基于牛顿欧拉法的SCARA机器人动力学参数辨识［J］．华南理工大学学报（自然科学报），2017，45（10）：129-136，143.
	ZHANG Tie， LIANG Xiao-hong， QIN Bin-bin，et al ．Dynamic parameter identification of SCARA robot based on newton-euler［J］．Journal of South China University of Technology （Natural Science Edition），2017，45（10）：129-136，143.
18	CHEN W H， YANG J， GUO L，et al ．Disturbance-observer-based control and related methods-an overview［J］．IEEE Transactions on Industrial Electronics，2016，63（2）：1083-1095.
19	MISANTISUK C， OHISHI K， URUSHIHARA S ．Kalman filter-based disturbance observer and its applications to sensorless force control［J］．Advanced Robotics，2011，25（3/4）：335-353.
20	HU J， XIONG R ．Contact force estimation for robot manipulator using semiparametric model and disturbance kalman filter［J］．IEEE Transactions on Industrial Electronics，2018，65（4）：3365-3375.
21	GAUTIER M， KHALIL W ．Direct calculation of minimum set of inertial parameters of serial robots［J］．IEEE Transactions on Robotics and Automation，1990，6（3）：368-373.
22	SWEVERS J， GANSEMAN C， TUKEL D B ．Optimal robot excitation and identification［J］．IEEE Transactions on Robotics and Automation，1997，13（5）：730-740.
23	韩勇．协作机器人模型辨识方法与人机交互控制技术研究［D］．上海：上海交通大学，2020.

关节	均方根误差值/（N·m）
关节	扰动卡尔曼滤波观测器	广义动量观测器
1	1.292 5	3.753 1
2	2.031 2	12.033 5
3	1.683 8	9.058 0
4	0.749 8	1.503 7
5	0.561 0	1.330 7
6	0.314 4	0.233 8

[1]	张铁, 许锦盛, 邹焱飚. 基于扰动卡尔曼滤波的机器人免力矩传感器拖动示教方法[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 116-125.
[2]	杜鹃吴洪涛杨小龙陈柏程世利. 基于R* (3,0,1)几何代数的六轴机器人位姿反解[J]. 华南理工大学学报(自然科学版), 2018, 46(9): 30-35.
[3]	丁力吴洪涛姚裕李耀谢本华陈柏. 基于 WLS-ABC 算法的工业机器人参数辨识[J]. 华南理工大学学报（自然科学版）, 2016, 44(5): 90-95.
[4]	齐俊德张定华李山陈冰. 工业机器人绝对定位误差的建模与补偿[J]. 华南理工大学学报（自然科学版）, 2016, 44(11): 113-118.
[5]	丁亚东陈柏吴洪涛申浩宇. 一种工业机器人动力学参数的辨识方法[J]. 华南理工大学学报（自然科学版）, 2015, 43(3): 49-56.
[6]	管贻生邓休李怀珠尹振能吴文强江励. 工业机器人的结构分析与优化[J]. 华南理工大学学报（自然科学版）, 2013, 41(9): 126-131.
[7]	张铁应灿翟敬梅. 基于运动链末端耦合与解耦的机器人协同焊接算法[J]. 华南理工大学学报（自然科学版）, 2013, 41(11): 56-61,67.
[8]	翟敬梅康博唐会华. 工业机器人轨迹跟踪的自适应模糊变结构算法[J]. 华南理工大学学报(自然科学版), 2012, 40(12): 12-16,23.
[9]	刘海涛张铁. 基于时延估计和鲁棒H_∞控制的工业机器人跟踪控制[J]. 华南理工大学学报(自然科学版), 2012, 40(1): 77-81,87.
[10]	张铁戴孝亮. 基于距离误差的机器人运动学标定[J]. 华南理工大学学报(自然科学版), 2011, 39(11): 98-103.
[11]	黄晨华张铁谢存禧. 工业机器人位姿误差建模与仿真[J]. 华南理工大学学报（自然科学版）, 2009, 37(8): 65-70.
[12]	蒋梁中杨进杨志张宗宝 . 基于MatlabRTW的机器人伺服系统设计方案[J]. 华南理工大学学报（自然科学版）, 2008, 36(9): 136-139.