(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 202211096368.3 (22)申请日 2022.09.08 (71)申请人 杭州景吾智能科技有限公司 地址 311231 浙江省杭州市萧 山区经济技 术开发区桥 南区块鸿兴 路477号3号楼 (72)发明人 王永超　郭震　 (74)专利代理 机构 上海锻创知识产权代理有限 公司 314 48 专利代理师 何惠燕 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 机器人机械臂关节摩擦力补偿方法及系统 (57)摘要 本发明提供了一种机器人机械臂关节摩擦 力补偿方法及系统， 包括以下步骤： 步骤S1： 采集 机器人机械臂关节的运动数据， 处理后得到动 摩 擦力数据和静摩擦力数据； 步骤S2： 建立摩擦力 径向基网络， 使用动 摩擦力数据和静摩擦力数据 进行对网络进行训练； 步骤S3： 使用训练好的摩 擦力径向基网络测量机器人的关节摩擦力， 并将 计算结果补偿到机器人控制系统中。 本发明的方 法能够很好地逼近机械臂关节静止和运动时的 摩擦力。 本发 明的方法能够很好地逼近机械臂关 节静止和运动时的摩擦力， 从而计算出机械臂关 节运动时的摩擦力。 权利要求书2页 说明书4页 附图1页 CN 115366107 A 2022.11.22 CN 115366107 A 1.一种机器人机 械臂关节摩擦力补偿方法， 其特 征在于， 包括以下步骤： 步骤S1： 采集机器人机械臂关节 的运动数据， 处理后得到动摩擦力数据和静摩擦力数 据； 步骤S2： 建立摩擦力径向基网络， 使用动摩擦力数据和静摩擦力数据进行对网络进行 训练； 步骤S3： 使用训练好的摩擦力径向基网络测量机器人的关节摩擦力， 并将计算结果补 偿到机器人控制系统中。 2.根据权利要求1所述的机器人机械臂关节摩擦力补偿方法， 其特征在于： 所述动摩擦 数据获取包括： 对被测机器人关节在转速范围内设置多个转速值， 采集机器人关节在匀速 运动中相同位置时正反运动的力矩值t正和t负， 计算动摩擦力 tf＝(t正‑t负)/2， 得到多组不同 速度下的动摩擦力数据。 3.根据权利要求1所述的机器人机械臂关节摩擦力补偿方法， 其特征在于： 所述静摩擦 力数据获取包括： 获取被测机器人关节在启动时的力矩t正0， 以及关节正反运动结束时的力 矩t负0， 计算机械臂动摩擦力tf0＝(t正0‑t负0)/2， 得到静摩擦力数据。 4.根据权利要求1所述的机器人机械臂关节摩擦力补偿方法， 其特征在于： 所述步骤S2 包括： 计算关节在各个速度下的摩擦力， 使用matlab的newrb函数进行训练， 得到训练后的 摩擦力径向基网络 。 5.根据权利要求1所述的机器人机械臂关节摩擦力补偿方法， 其特征在于： 所述步骤S3 包括： 关节转速范围内的任意速度v对应的关节摩擦力 其中C表 示径向基函数的中心向量组成的矩阵， 隐藏层X个神经元， 维度为X*1； S表示隐藏层径向基 函数的宽度， 隐藏层X个神经元， 维度为X*1； W表 示输出层的权重矩阵， b表 示输出层的偏 置， e表示自然常数。 6.一种机器人机 械臂关节摩擦力补偿系统， 其特 征在于， 包括以下模块： 模块M1： 采集机器人机械臂关节 的运动数据， 处理后得到动摩擦力数据和静摩擦力数 据； 模块M2： 建立摩擦力径向基网络， 使用动摩擦力数据和静摩擦力数据进行对网络进行 训练； 模块M3： 使用训练好的摩擦力径向基网络测量机器人的关节摩擦力， 并将计算结果补 偿到机器人控制系统中。 7.根据权利要求1所述的机器人机械臂关节摩擦力补偿系统， 其特征在于： 所述动摩擦 数据获取包括： 对被测机器人关节在转速范围内设置多个转速值， 采集机器人关节在匀速 运动中相同位置时正反运动的力矩值t正和t负， 计算动摩擦力 tf＝(t正‑t负)/2， 得到多组不同 速度下的动摩擦力数据。 8.根据权利要求1所述的机器人机械臂关节摩擦力补偿系统， 其特征在于： 所述静摩擦 力数据获取包括： 获取被测机器人关节在启动时的力矩t正0， 以及关节正反运动结束时的力 矩t负0， 计算机械臂动摩擦力tf0＝(t正0‑t负0)/2， 得到静摩擦力数据。 9.根据权利要求1所述的机器人机械臂关节摩擦力补偿系统， 其特征在于： 所述模块M2 包括： 计算关节在各个速度下的摩擦力， 使用matlab的newrb函数进行训练， 得到训练后的权　利　要　求　书 1/2 页 2 CN 115366107 A 2摩擦力径向基网络 。 10.根据权利要求1所述的机器人机械臂关节摩擦力补偿系统， 其特征在于： 所述模块 M3包括： 关节转速范围内的任意速度v对应的关节摩擦力 其中C 表示径向基函数的中心向量组成的矩阵， 隐藏层X个神经元， 维度为X*1； S表示隐藏层径向 基函数的宽度， 隐藏层X个神经元， 维度为X*1； W表示输出层的权重矩阵， b表示输出层的偏 置， e表示自然常数。权　利　要　求　书 2/2 页 3 CN 115366107 A 3