非线性悬架系统的最小二乘参数识别方法

针对汽车非线性悬架参数识别问题,根据最小二乘法原理,分别提出了基于离散化模型的参数识别方法和基于系统输入输出数据的参数识别方法。首先,从理论上介绍了两种识别方法的理论基础及其与最小二乘法之间的内在联系。其次,分别应用两种方法对汽车非线性悬架系统的线性及非线性参数进行识别,并通过仿真验证了两种基于最小二乘法的非线性系统参数识别方法的有效性。最后,进一步介绍了对于更一般的非线性系统,两种方法的适用范围,为非线性悬架系统及同类非线性系统的设计与分析提供了理论基础。     

基于遗传算法优化神经网络的机器人臂重力补偿研究

利用遗传算法优化的神经网络,对机器人臂的重力补偿进行研究。首先,根据力学基本知识和D-H参数建模法得出机器人臂各关节转矩的重力项理论计算公式;其次,在Solid Works仿真软件中,得到个别位姿下的重力项仿真值,并验证理论公式的正确性;最后,用遗传算法优化的神经网络对重力项进行预测。实验结果表明,采用该算法得到的重力项预测值和理论值基本一致,减少了运算量,提高了效率,为进一步实时控制提供了可能。     

工业机器人误差补偿及冗余参数研究

针对现有工业机器人定位精度较低,提出了通过机器人运动学标定对误差进行补偿的方法。基于D-H运动学模型和微分变换法建立机器人位姿误差模型,然后对误差模型进行冗余参数分析,消除冗余参数得到可辨识的线性方程,最后用迭代最小二乘法进行求解,修正几何参数进而提高机器人定位精度。通过在自主研发的机器人上试验验证,该方法补偿效果明显,增加了参数辨识的准确性和鲁棒性,为机器人标定技术的发展奠定了一定的基础。     

基于基座力传感器机器人连杆惯性参数识别

基于机器人基座力传感器的输出信号,探讨了一种利用牛顿-欧拉动力学递推方程识别机器人连杆惯性参数的方法.通过理论推导,阐述了利用该方法识别机器人连杆惯性参数的求解思路与步骤;作为该方法的简化与补充,探讨了利用连杆的重力作用识别连杆质量及其质心三维坐标的静态识别方法.进行仿真计算,验证了该方法的正确性.使用上述方法识别的机器人连杆惯性参数包含了机器人的关节特性,进行动力学建模时无需再对机器人的关节特性建模.     

基于基座力传感器机器人连杆惯性参数的静态识别

文中探讨了基于机器人基座力传感器的输出信号,利用连杆的重力作用,识别机器人连杆的质量及质心三维坐标的静态识别方法。阐述了该方法的的求解思路与步骤,推导出了识别上述惯性参数的通用计算公式。虽然该方法仍属于解体识别法,但该方法计及了机器人的关节,识别出的惯性参数包含了机器人的关节特性,克服了传统解体识别法忽略机器人关节特性的缺陷,提高了惯性参数的识别精度。     

一种不完全补偿机器人标定方法

为了避免修改影响机器人逆运动学模型的参数,分析了绝对定位误差的主要来源,以及标定需要保证的前提条件。在此基础上介绍了一种标定方法,该方法利用三坐标测量仪对机器人六个关节分别进行测量,生成六组点云,对每组点云采用最小二乘法拟合平面及圆。根据D-H参数的定义,计算出容易补偿的各参数实际值,并依据计算结果对参数进行了补偿。通过实验证明,该方法有效提高了绝对定位精度,使精度能够满足实际工程需要,而且操作简单方便,实用性强。     

基于平面约束的机器人误差补偿方法

提出了一种简单实用、成本较低的基于平面约束的机器人误差补偿方法,首先利用改进的D-H法建立机器人运动学模型并通过微分变换原理得到误差传递雅可比矩阵,通过控制机器人末端执行器对标准平面进行示教,根据所测点理论上都处于同一平面这一特性建立机器人参数误差辨识模型。为避免辨识雅可比矩阵出现奇异而导致模型求解不完整,采用了Levenberg-Marquardt算法对普通的最小二乘法进行修正,对误差模型进行求解。最后将求解的参数误差补偿到控制器中从而提高机器人定位精度,并通过试验验证了该方法的有效性。     

砂带抛光机器人力/位混合主动柔顺控制研究

以复杂曲面为加工对象,将机器人、砂带机和在线恒力控制算法相结合构成机器人恒力抛光控制系统。对抛光系统加工过程中所受作用力进行分析,根据机器人运动学坐标变化,提出重力补偿算法,消除工件重力对恒力抛光控制系统的干扰。建立力/位置混合机器人主动柔顺控制策略,提出了基于最小二乘参数辨识的力控模型求解方案,并基于模糊PID完成过程控制,实现对抛光力的恒定控制。通过对卫浴五金件的磨抛实验,结果表明该算法可以有效的实现机器人柔顺控制,保持恒力磨抛。     

柔性关节机器人参数分步辨识策略研究

针对具有柔性关节的机器人,建立包含重力补偿的机器人动力学模型.对模型线性化处理与提取最小参数集,确定激励轨迹方程形式,并从矩阵秩和条件数两个方面对各辨识矩阵的观测矩阵进行分析,提出相应的参数分步辨识策略,进而确定各参数的辨识顺序以及提高辨识精度的方法.该策略对线性方程组形式的参数辨识具有普适性.通过对二自由度机器人模型条件数的计算,验证了策略的有效性.     

基于模型控制的液压机械臂高精度轨迹跟踪

液压机械臂具有高度非线动力学特性,末端轨迹跟踪误差大。为此,提出一种辨识动力学参数的基于模型的控制算法(Model-basedcontrol,MBC)。该控制算法由外环的液压缸位置反馈控制器、内环的力控制器以及前馈流量补偿控制器三部分输出叠加组成。力控制器充分考虑液压机械臂动力学模型,动态补偿惯性力、重力和摩擦力等干扰力对控制精度的影响;位置控制器用以消除液压执行器造成的力偏差;前馈流量补偿器根据液压执行器动力学模型计算流量补偿量,提高系统响应与精度。针对动力学模型中存在的参数不准确问题,采用了最小二乘参数辨识的方法,在激励轨迹下获取液压机械臂动力学参数精确值。试验结果表明,所提出的辨识动力学参数的MBC控制算法相比3D模型参数的MBC控制在自由空间运动位置跟踪精度提升了39.24%,相比与传统PID控制提升了93%,显著提高了轨迹跟踪精度。