1.一种基于机理数据混合模型的机械臂触觉外力估计方法，其特征在于，包括以下步骤：第一步，在无接触外力状态下，建立作为机理模型的机械臂欧拉-拉格朗日刚体动力学模型，通过测量关节电流值，得到实际关节力矩，将所述实际关节力矩与机理模型计算的关节力矩之差作为未建模残余动态，以关节状态作为模型输入、以所述未建模残余动态的测量值作为模型输出，建立模型训练数据集；第二步，将第一步中的所述机理模型转换为动量形式，基于第一步建立的所述模型训练数据集，利用高斯过程回归的监督统计学习方法，训练针对所述未建模残余动态的补偿项模型，模型输出为对未建模残余动态的预测均值和方差，得到包含机理模型与基于未建模残余动态的数据的补偿项的机理数据混合模型；第三步，将关节外力建模成随机游走形式，并作为伪观测量扩维动量组成新的状态变量，建立机械臂外力估计系统模型；第四步，设计带有过程噪声实时修正的Kalman滤波方法估计触觉外力，所述过程噪声的实时方差信息来源于第二步中的所述补偿项，为所述补偿项模型的预测输出方差，随机械臂外力估计系统的状态变量更新，完成基于机理数据混合模型的机械臂触觉外力估计方法。
2.根据权利要求1所述的一种基于机理数据混合模型的机械臂触觉外力估计方法，其特征在于：所述第一步的具体步骤如下：(1) 建立n连杆标准刚体机械臂动力学模型作为机理模型，在机械臂关节空间，将机械臂状态变量与关节力矩的关系用拉格朗日方程的形式表示：其中， q 、 、 分别为关节角度、角速度和角加速度，表示机械臂状态变量； M ( q )为惯性阵， 表示哥氏力和离心力项， G ( q )表示重力项， τ EL 表示机理模型计算的关节力矩，n为大于或等于1的整数；(2) 实际关节力矩通过测量关节电流值获得：τ m = K a · I m其中， K a 表示电流系数， I m 表示电机输出电流测量值， τ m 为实际关节力矩；未建模残余动态测量值计算公式如下：ε = τ m - τ EL其中， τ m 为实际关节力矩， ε 为机理建模的实际关节力矩与机理模型计算的关节力矩的误差，在回归建模未建模残余动态中作为测量真值；经过数据分析，选取关节角度、角速度和角加速度 q 、 、 作为回归特征， ε 作为回归真值，建立模型回归的模型训练数据集： ， D 为训练集符号。
3.根据权利要求2所述的一种基于机理数据混合模型的机械臂触觉外力估计方法，其特征在于：所述第二步的具体步骤如下：(1) 机械臂的状态变量以动量形式表征如下：其中， p 表示关节动量；在有接触外力状态下，求导得到动量形式表征的机械臂动力学机理模型如下：其中， 表示动量的导数， 中的上标 T 表示矩阵的转置， τ ext 表示有接触外力状态下，接触外力作用在关节处的外力矩；(2) 待训练的未建模残余动态模型表示如下：其中， 表示未建模残余动态模型的函数， W r 表示未建模残余动态模型的随机噪声向量，其每个分量均为零均值高斯白噪声，形式为：其中， w r,i 表示随机噪声向量 W r 的第 i 个分量， 表示服从均值为零，方差为 σ r,i 2 的高斯分布；将待训练的未建模残余动态在关节状态空间视作连续，符合多元联合高斯分布，基于贝叶斯推断的函数模型的后验概率函数为：其中， p(·) 为概率分布； θ 为超参数，包含均值函数、核函数、似然函数、推断方法、稀疏近似的参数值和函数类型； Z 为回归量符号，表示关节角度、角速度和角加速度 组成的向量； p (Φ| Z , ε , θ )表示未建模残余动态模型的后验概率函数， p ( ε | Z ,Φ, θ )表示未建模残余动态模型的似然函数， p (Φ| θ )表示未建模残余动态模型的超参数先验函数， p ( ε | Z , θ )表示未建模残余动态模型的边际似然函数；(3) 在模型训练数据集 D 的条件下，基于最大后验概率推断优化未建模残余动态模型的超参数，从而训练未建模残余动态模型；未建模残余动态模型的边际似然函数形式为：其中， π 表示圆周率， N 表示数据集中数据对的数量， K 表示数据集中数据对的协方差矩阵， e 表示自然常数；基于最大后验概率函数推断优化未建模残余动态模型的超参数，从而训练未建模残余动态模型的优化函数，选取未建模残余动态模型的负对数边际似然函数，形式如下：其中，ln表示自然对数符号；优化函数采用共轭梯度法极小化求解，从而得到未建模残余动态模型的超参数；训练得到的未建模残余动态模型是一个随机过程，由模型训练数据集 D =< Z , ε >、超参数 θ 组成，模型输出预测均值作为未建模残余动态模型的函数 的输出和方差 σ 2 作为过程噪声的方差，上标 T 表示转置符号；将未建模残余动态模型作为补偿项，加入到机理模型中，组成机理数据混合模型如下：进一步表示成连续线性机械臂动量系统形式：其中， u 表示机械臂动量系统状态方程输入，形式如下：离散化机械臂动量系统状态方程为：p k = p k-1 +Δ T · u k +Δ T · τ ext,k +W r,k其中， p k 和 p k-1 分别表示第 k 、 k-1 时刻的动量，Δ T 表示离散化间隔采样时间， τ ext,k 表示第 k 时刻机械臂动量系统所受触觉外力作用在关节上的外力矩， W r,k 表示第 k 时刻机械臂动量系统的过程噪声， u k 表示第 k 时刻机械臂动量系统状态方程输入，计算如下：其中， 分别表示第 k 时刻的关节角度、关节角速度、关节角加速度， τ m,k 表示第 k 时刻实际关节力矩值。
4.根据权利要求3所述的一种基于机理数据混合模型的机械臂触觉外力估计方法，其特征在于：所述第三步中，以随机游走形式建模关节外力系统如下：τ ext,k = τ ext,k-1 + W ext,k其中， τ ext,k-1 表示第 k- 1时刻关节外力， W ext,k 表示第 k 时刻关节外力系统过程噪声，为零均值高斯白噪声，方差为 σ ext 2 ；建立机械臂外力估计系统模型如下：x k = A k x k-1 + B k u k + W ky k = C k x k + V k其中， 表示第 k 时刻外力估计系统的系统状态，为关节动量和关节外力扩维后的状态变量； A k 表示第 k 时刻状态矩阵， B k 表示第 k 时刻输入矩阵， 表示第 k 时刻总过程噪声，为机械臂动量系统和关节外力系统的过程噪声扩维组成； y k 表示第 k 时刻测量值， C k 表示第 k 时刻输出矩阵， V k 表示第 k 时刻量测噪声。
5.根据权利要求4所述的一种基于机理数据混合模型的机械臂触觉外力估计方法，其特征在于：所述第四步，基于Kalman滤波方法设计带有过程噪声实时修正的触觉外力估计方法为：基于所述第三步中建立的所述外力估计系统模型，机械臂触觉外力估计方程为如下6步：(1) 状态预测：其中， x k | k -1 表示由 k -1时刻对 k 时刻外力估计系统状态的预测， 表示 k -1时刻外力估计系统状态的估计值；(2) 协方差预测：其中， P k | k -1 表示由 k -1时刻对 k 时刻协方差的预测， 表示 k -1时刻协方差的估计值， 表示状态矩阵的转置；过程噪声 W k 包含 W r,k 、 W ext,k 两个分量，方差修正信息分别如下： ， 其中， σ ext 2 为关节外力系统中过程噪声的时不变方差，即，总过程噪声 W k 包含的两个分量中， W r,k 具有时变方差 σ r,k 2 ，来源于第二步中的方差 σ r,i 2 ， W ext,k 具有时不变方差 σ ext 2 ；(3) 最优Kalman增益：其中， K k 表示 k 时刻的Kalman增益， 表示输出矩阵的转置；(4) 测量更新状态估计：(5) 更新协方差估计：其中， I 表示单位矩阵；(6) 机械臂关节外力估计输出：其中， 表示关节外力估计值， H 表示关节外力输出矩阵。
