6D wrench estimation for friction compensation in compliance controlled sensorless robots

Industrial robots are commonly used to perform interaction tasks that require the robot to be in contact with the surrounding environment, which is usually partially unknown to the robot controller. Besides, automation in the industrial context requires high-precision and repeatability during manufacturing processes, especially in motion control scenarios. Therefore, there is the need to implement reliable interaction controllers capable of suitably reacting to the established contacts while compensating for the dynamic uncertainties, such as friction, which can affect the desired performance. Standard force controllers require force/torque measurements to close the loop; however, most of the industrial manipulators do not have installed force/torque sensors. These external sensors result in additional costs and implementation effort, not affordable in many contexts or applications. An Extended Kalman Filter (EKF) is presented in this thesis for the online estimation of the interaction wrench, implementing a 6D virtual sensor. On the other hand, to cope with friction uncertainties at the manipulator's joints, a Model Predictive Control scheme is presented, which can perform an online identification of the friction parameters and also an online compensation providing an additional term in the control action. The described approaches have been validated in simulations, taking into account different scenarios. In addition, experimental validation for the friction estimation algorithm has been performed employing a Franka EMIKA panda robot. Different simulation scenarios were considered, such as probing tasks and variable interaction or motions, and the online compensation is tested using two different friction models. The proposed approaches show that a reliable estimation of both the external wrench and the friction parameters can be achieved, resulting in consistent friction compensation.

I robot industriali sono comunemente usati per eseguire compiti di interazione che richiedono al manipolatore di stabilire un contatto con l'ambiente circostante, il quale solitamente è almeno parzialmente ignoto. L'automazione nell'ambito industriale inoltre esige alta precisione e ripetibilità durante le lavorazioni meccaniche, specialmente in situazioni di controllo del moto. Pertanto, sorge il bisogno di sviluppare controlli di interazione affidabili e capaci di reagire adeguatamente al contatto, compensando allo stesso tempo le incertezze dinamiche, come ad esempio l'attrito, che posso influenzare le perfomance desirate. I controlli di forza standard richiedono misure di forza/momento per chiudere l'anello; tuttavia la maggior parte dei manipolatori industriali non dispone di tali dispositivi. L'utilizzo di questi sensori aggiuntivi produce un aumento nei costi e un maggiore sforzo per l'implementazione, i quali in molti contesti o applicazioni non sono sostenibili. Per estendere l'uso di controlli cedevoli ai controlli di interazione privi di sensori, in questa tesi è stato sviluppato un filtro di Kalman esteso (EKF) per la stima online della forza d'interazione con l'esterno, implementando in questo modo un sensore 6D virtuale. Invece per far fronte alle incertezze dinamiche presenti ai giunti del manipolatore è stato progettato un schema di Model Predictive Control per l'identificazione online dei parametri dell'attrito e la sua compensazione online. I metodi descritti sono stati validati tramite simulazioni considerando scenari differenti. In aggiunta, una verifica sperimentale dell'algoritmo di stima dell'interazione esterna è stato condotta utilizzando un panda robot di Franka EMIKA. Scenari diversi sono stati considerati durante le simulazioni, come ad esempio interazione e moti variabili. I metodi proposti mostrano che può essere ottenuta un'affidabile stima sia dell'interazione esterna sia dell'attrito, risultando in questo modo in una congrua compensazione dell'attrito.