基于最优激励位姿序列的机械臂负载估计

重力补偿方法广泛地应用于由连杆与旋转机构组成的机器人系统中,更换机器人末端执行器造成了补偿模型的不确定性．针对该问题,提出了一种利用机器人关节力矩与位置信息的负载参数离线辨识方法．基于机器人静力学方法提出了2种负载参数的计算模型,并通过采集机器人在多个静态位姿条件下的关节力矩与位置信息获得负载参数的最小二乘解．进一步,本文针对机器人的辨识位姿选取问题展开研究,提出了同时保证辨识精度与辨识简便性的多目标优化问题,使用多目标粒子群优化方法获得最优辨识位姿．根据辨识后的负载参数,给出了机械臂各关节负载的重力补偿量计算方法．实验结果表明所提方法具有较高的辨识精度,负载质量的辨识误差最小值达到0.007 06 kg,最大值达到0.151 kg,负载质心位置的辨识误差最小值达到0.025 4 m,最大值达到0.122 m,验证了上述方法的可行性与有效性．     

一种基于谐振与抗谐振特性的柔性关节参数辨识方法

为了获取柔性关节精确的物理参数,提出了一种基于系统谐振与抗谐振特性的参数辨识方法.首先建立柔性关节的数学模型,利用该模型推导柔性关节的谐振、抗谐振频率特性与待辨识参数的数学关系,然后基于此关系建立误差回归模型,设计实验采集不同负载条件下的输入与输出数据,计算得到系统的谐振、抗谐振频率及幅值,代入回归模型并基于最小二乘法求解参数.最后,通过仿真与实验将本文方法与一般的频域特性拟合方法进行对比,结果表明在含有噪声的情况下本文方法将参数辨识平均精度从75.34％提高到90.35％,方差从25.34％降低到8.07％,验证了所提方法的可行性与有效性.