(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210581657.6 (22)申请日 2022.05.26 (71)申请人 江西省智能产业 技术创新研究院 地址 330000 江西省南昌市小蓝经开区汇 仁大道266号11号楼 (72)发明人 聂志华　郑友胜　薛蕙蓉　杨德宸　 何晶　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 何世磊 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 机器人碰撞检测方法、 系统、 计算机及可读 存储介质 (57)摘要 本发明提供了一种机器人碰撞检测方法、 系 统计算机及可读存储介质， 该方法包括根据动力 学模型以及动力学参数辨识算法采集当前机器 人的无扰动输入 数据集； 根据动力学模型以及动 力学参数辨识算法分别采集当前机器人的扰动 输入数据集； 通过动力学模型分别计算出与角速 度、 角加速度对应的理论角速度以及理论角加速 度， 并收集理论角速度以及理论角加速度作为理 论输入数据集； 基于无扰动输入数据集、 扰动输 入数据集、 理论输入数据集以及预设判别模型判 断当前机器人是否发生碰撞。 通过上述方式能够 对不同情况产生的跳变碰撞或者柔性碰撞均能 够以较高的准确率判别出来， 同时不需要加装额 外的力矩传感器， 节约了 机器人的使用成本 。 权利要求书3页 说明书15页 附图2页 CN 114800525 A 2022.07.29 CN 114800525 A 1.一种机器人碰撞检测方法， 其特 征在于， 所述方法包括： 获取当前机器人对应的动力学模型以及动力学参数辨识算法， 并根据 所述动力学模型 以及所述动力学参数辨识算法采集当前所述机器人在未发生碰撞以及预设时间内生成的 无扰动输入数据集； 根据所述动力学模型以及所述动力学参数辨识算法分别采集当前所述机器人在发生 跳变碰撞或者柔性碰撞以及预设时间内生成的扰动输入数据集， 其中， 所述无扰动输入数 据集和所述扰动输入数据集均包括角速度、 角加速度、 力矩以及电流 值； 通过所述动力学模型分别计算出与 所述角速度、 所述角加速度对应的理论角速度以及 理论角加速度， 并收集所述理论角速度以及所述理论角加速度作为理论输入数据集； 基于所述无扰动输入数据集、 所述扰动输入数据集、 所述理论输入数据集以及预设判 别模型判断当前 所述机器人 是否发生碰撞。 2.根据权利要求1所述的机器人碰撞检测方法， 其特征在于： 所述根据 所述动力学模型 以及所述动力学参数辨识算法采集当前所述机器人在未发生碰撞以及预设时间内生成的 无扰动输入数据集的步骤 包括： 设定当前所述机器人的运动周期， 并在所述运动周期内控制当前所述机器人按照预设 激励轨迹进行运动， 所述预设激励轨 迹包括傅里叶级数 型的轨迹： 其中， qi表示关节转角， qi0表示关节转角常量， al、 bl表示轨迹的常系数， ωf表示轨迹的 基频， ωfl表示第l阶的频率； 在所述运动周期内每隔预设时间采集一 次当前所述机器人的第 一运动参数， 并将采集 到的若干所述第一运动参数集合为所述无扰动输入数据集， 所述第一运动参数包括所述角 速度、 所述角加速度、 所述力矩以及所述电流 值。 3.根据权利要求1所述的机器人碰撞检测方法， 其特 征在于： 所述动力学模型为： τ ＝ τf+τd 其中， τ为关节驱动力矩， τf为关节摩擦力矩， τd为关节动态力矩， q、 依次为关节的 角度、 角速度、 角加速度， D(q)为惯性项， 为科式力及离心力项， G(q)为重力项； 所述D (q)、 所述 以及所述G(q)均为机器人惯性 参数与关节运动参数的函数。 4.根据权利要求1所述的机器人碰撞检测方法， 所述预设判别模型包括BP神经网络、 SVM支持向量机、 决策树以及卷积神经网络， 其特征在于： 所述基于所述无扰动输入数据集、 所述扰动输入数据集、 所述理论输入数据集以及预设判别模型判断当前所述机器人是否发 生碰撞的步骤 包括： 将所述无扰动输入数据集、 所述扰动输入数据集、 所述理论输入数据集以及时间变量 分别输入至所述BP神经网络、 所述SVM支持向量机、 所述决策树以及所述卷积神经网络中， 以分别获取到训练BP神经网络、 训练SVM支持向量机、 训练决策树以及训练卷积神经网络； 分别向所述训练BP神经网络、 所述训练SVM支持向量机、 所述训练决策树以及所述训练权　利　要　求　书 1/3 页 2 CN 114800525 A 2卷积神经网络添加对应的权 重； 基于所述训练BP神经网络、 所述训练SVM支持向量机、 所述训练决策树、 所述训练卷积 神经网络以及所述权重计算出当前所述机器人的得分值， 并判断所述得分值是否大于预设 值； 若是， 则确定当前 所述机器人已发生碰撞。 5.根据权利要求4所述的机器人碰撞检测方法， 其特征在于： 所述基于所述无扰动输入 数据集、 所述扰动输入数据集、 所述理论输入数据集以及预设判别模型判断当前所述机器 人是否发生碰撞的步骤之后， 所述方法还 包括： 根据所述训练BP神经网络、 所述训练SVM支持向量机、 所述训练决策树以及所述训练卷 积神经网络对不同碰撞场景的判断准确值分别设置不同的动态权重， 并依据所述准确值和 所述动态权 重推算出整体训练模型； 根据所述整体训练模型判断当前 所述机器人 是否发生碰撞。 6.一种机器人碰撞检测系统， 其特 征在于， 所述系统包括： 获取模块， 用于获取当前机器人对应的动力学模型以及动力学参数辨识算法， 并根据 所述动力学模型以及所述动力学参数辨识算法采集当前所述机器人在未发生碰撞以及预 设时间内生成的无扰动输入数据集； 采集模块， 用于根据 所述动力学模型以及所述动力学参数辨识算法分别采集当前所述 机器人在发生跳变碰撞或者柔性碰撞以及预设时间内生成的扰动输入数据集， 其中， 所述 无扰动输入数据集和所述扰动输入数据集均包括角速度、 角加速度、 力矩以及电流 值； 计算模块， 用于通过所述动力学模型分别计算出与所述角速度、 所述角加速度对应的 理论角速度以及理论角加速度， 并收集所述理论角速度以及所述理论角加速度作为理论输 入数据集； 判断模块， 用于基于所述无扰动输入数据集、 所述扰动输入数据集、 所述理论输入数据 集以及预设判别模型判断当前 所述机器人 是否发生碰撞。 7.根据权利要求6所述的机器人碰撞检测系统， 其特 征在于： 所述获取模块具体用于： 设定当前所述机器人的运动周期， 并在所述运动周期内控制当前所述机器人按照预设 激励轨迹进行运动， 所述预设激励轨 迹包括傅里叶级数 型的轨迹： 其中， qi表示关节转角， qi0表示关节转角常量， al、 bl表示轨迹的常系数， ωf表示轨迹的 基频， ωfl表示第l阶的频率； 在所述运动周期内每隔预设时间采集一 次当前所述机器人的第 一运动参数， 并将采集 到的若干所述第一运动参数集合为所述无扰动输入数据集， 所述第一运动参数包括所述角 速度、 所述角加速度、 所述力矩以及所述电流 值。 8.根据权利要求6所述的机器人碰撞检测系统， 其特 征在于： 所述动力学模型为： τ ＝ τf+τd 其中， τ为关节驱动力矩， τf为关节摩擦力矩， τd为关节动态力矩， q、 依次为关节的权　利　要　求　书 2/3 页 3 CN 114800525 A 3