电动负载模拟器摩擦模型参数辨识方法

为实现电动负载模拟器的高精度控制,针对负载模拟器运行中受到的摩擦力影响问题,提出基于改进布谷鸟算法（improved cuckoo search algorithm,简称ICSA）的摩擦模型参数辨识方法。首先,搭建了电动负载模拟器试验样机,建立了动力学数学模型,并引入一种连续摩擦模型代替传统不连续摩擦模型;其次,将布谷鸟算法（cuckoo search algorithm,简称CSA）进行改进,在辨识中自动调整判定概率和步长的数值,提高了收敛速度和收敛精度;然后,通过逐点试验的方法得到了负载模拟器角速度范围为［-1,1］rad/s的摩擦力数据,并利用ICSA算法对摩擦力模型进行辨识;最后,进行了验证试验。试验结果表明： ICSA算法能准确快速地辨识出连续摩擦模型的6个参数,且收敛速度快、准确性高;当迭代达到最大迭代次数时,ICSA算法的目标函数值较CSA算法减小了45.2%。     

基于改进乌鸦搜索算法优化SVM的电机轴承故障诊断

针对乌鸦搜索算法(CSA)优化支持向量机(SVM)参数时存在陷入局部最优、后期收敛精度不高的问题，对CSA算法进行了改进，提出一种改进乌鸦搜索算法(ICSA)。ICSA在CSA基础上，融入了动态感知概率、Levy飞行策略、柯西变异机制等步骤，提高了算法的寻优能力。以ICSA为SVM参数优化方法，建立了电机轴承故障诊断模型，并进行了实验验证。结果表明：相比于CSA,ICSA优化SVM的诊断精度比提升了4.53%;相比于另外3种改进型CSA方法，诊断精度也更高；相比于其它4种类型优化算法，在诊断精度提升的同时耗时缩更短。     

电液驱动3-UPS/S并联稳定平台的动力学参数辨识

以电液驱动并联稳定平台为研究对象,对平台惯性参数和驱动关节液压缸摩擦参数进行了基于实验的辨识研究。利用关键点旋量等效原则和虚功原理构建了平台惯性参数辨识模型,以五次多项式改进的傅里叶级数构造了激励轨迹,并进行了优化;基于液压缸摩擦力模型,分离出模型中固有的摩擦参数,建立了摩擦参数辨识模型,并规划了辨识轨迹。通过辨识实验得到了惯性参数及摩擦参数的辨识结果,利用任意轨迹实验对结果进行了验证。     

基于DEAFCR算法的非线性系统模型参数辨识

针对非线性模型参数辨识困难和不准确的问题,提出一种基于改进的差分进化算法的辨识算法。通过建立寿命机制,根据寿命值,动态调整缩放因子和交叉率,在算法初期保持多样性来避免早熟收敛,在后期保留优质解,加快收敛速度。为验证改进算法的性能和实用性,用典型测试函数进行对比测试,并辨识非线性传递函数模型和Hammerstein模型,试验结果表明改进的算法收敛速度快,辨识精度高,对非线性系统参数辨识有效可行。     

基于IRLS算法的机器人动力学参数辨识

为提高机器人动力学参数辨识的准确性,提出了一种基于迭代加权最小二乘(Iterative Reweighted Least Squares, IRLS)算法的辨识方法。首先推导了机器人的线性动力学模型,随后提出了一种改进摩擦模型,并设计了改进傅里叶级数作为激励轨迹采集数据。为提升动力学参数辨识的准确性,在加权最小二乘法基础上进行改进,提出了IRLS算法对动力学参数进行辨识。最后以六自由度机器人为试验对象,进行了参数辨识试验。结果表明,基于IRLS算法的辨识方法与加权最小二乘法相比,前3个关节力矩误差的均方根(Root Mean Square, RMS)值降低了13.28%,后3个关节力矩误差的RMS值降低了28.57%,6个关节力矩误差的RMS值平均降低了17.15%,证明了基于IRLS算法的辨识方法的有效性。     

基于LuGre摩擦模型补偿的动态电液测力建模与实验研究

为提高电液测力系统在动态下测量其负载的精度,采用Lu Gre摩擦模型描述动态测力时摩擦力非线性特征,搭建了基于比例阀压力控制的动态电液测力系统,对其在不同油液压力、速度下的摩擦力进行测量,依据实验数据及动、静态参数辨识模型辨识得到动、静态参数,进一步研究油液压力及移动速度对Lu Gre模型中各个参数的影响,得到关于油液压力及移动速度的Lu Gre摩擦模型,之后对油液推力实时补偿,得到基于Lu Gre摩擦模型补偿的动态电液测力精度。实验结果表明,动态电液测力状态下库仑摩擦力、最大静摩擦力及动态参数随油液压力的增大而变大,粘性摩擦系数和Stribeck速度随油液压力的增大而降低;基于Lu Gre摩擦补偿的动态电液测力系统测量精度可达0.45%。     

单侧受压密封圈摩擦力的建模与辨识

密封圈在受到单侧的介质压力时会发生明显的单向变形，摩擦力因此表现出关于速度的不对称特性。为描述摩擦力的不对称性，提出改进的非对称Stribeck密封圈摩擦力模型，并构造带约束的最小二乘优化问题，使用信赖域法求解参数辨识问题。最后，使用基于无摩擦气缸的密封圈摩擦力测试台测量不受压和单侧受压时的摩擦力，验证了所提不对称摩擦力模型与辨识方法的有效性。     

基于混沌蜂群算法的小型无人直升机系统辨识

针对小型无人直升机在悬停状态下飞行动力学模型的系统辨识问题,提出了一种基于混沌蜂群算法(chaotic artificial bee colony algorithm,简称CABC)的辨识方法。由于直升机的数学模型是非线性的,因此用小扰动理论对其线性化,得到纵横方向待辨识的解耦模型;进一步将系统辨识问题转变成优化问题,以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制,使得蜂群向更优方向进化;利用混沌算子来改进侦察蜂的搜索机制,使得人工蜂群算法脱离局部最优束缚,获得更强的全局寻优能力。根据无人机实际飞行试验数据,对辨识获得的模型进行了分析与验证,结果表明,采用该辨识方法,估计出了解耦模型中的未知参数,与遗传算法和传统人工蜂群算法相比,所提算法的辨识精度更高。     

基于迭代优化和神经网络补偿的超冗余机械臂半参数动力学模型辨识

为了实现超冗余机械臂动力学模型的精确辨识,提出了一种基于迭代优化和神经网络补偿的半参数动力学模型辨识方法。首先,介绍了超冗余机械臂的动力学模型和最小参数集,建立了关节非线性摩擦模型,使用遗传算法优化回归矩阵条件数生成激励轨迹。然后建立了机械臂动力学模型物理可行性约束,基于迭代优化方法设计了两层循环网络对超冗余机械臂的惯性参数和关节摩擦模型进行辨识。最后,利用数据集训练BP神经网络,得到超冗余机械臂半参数动力学模型,并与多种算法进行了比较分析。实验结果表明：相较于传统的最小二乘算法和加权最小二乘算法,通过使用本文提出的辨识算法,关节辨识力矩残差均方根（Root Mean Square, RMS）之和分别提高了32.81%和23.76%,半参数动力学模型相比于全参数动力学模型力矩残差均方根之和提高了23.56%,辨识结果验证了辨识方法的有效性和优越性。     

基于遗传算法的伺服系统摩擦模型参数辨识

文章研究受摩擦因素影响的伺服系统的摩擦模型参数辨识问题,该系统具有未知负载特性和非线性摩擦,给摩擦模型参数辨识带了较大的困难。首先将系统的输入力矩分解为线性力矩和非线性摩擦力矩,其中线性力矩部分用于驱动负载转动,非线性摩擦力矩用于克服摩擦作用;然后基于Stribeck摩擦模型,采用遗传算法进行参数优化。在直流伺服系统上的仿真结果显示了该方法的有效性。该辨识方法对系统已知信息要求较少且容易实现,具有很强的工程实用价值。     

挖掘臂的液压缸摩擦模型辨识与分析

挖掘臂的液压缸摩擦力使系统动态特性恶化,对其进行有效的摩擦补偿是提高控制性能的关键。为获得液压缸的精确摩擦模型,建立了铲斗关节动力学方程,方程中分别采用了库仑摩擦、库仑+黏性摩擦及Stribeck摩擦模型。针对系统中存在的有色噪声,采用了改进的递推最小二乘法辨识未知参数。将辨识的三种摩擦模型进行对比分析表明,Stribeck摩擦模型精度最高,能很好地预测液压缸驱动力。其中,Stribeck摩擦模型的辨识误差比库仑+黏性摩擦及库仑摩擦分别减少约8%与18%。     

2R耦合驱动关节动力学建模与参数辨识

围绕护理机器人的人机安全接触和轻量大负载需求,提出了一种2R耦合驱动关节构型,并解决了耦合驱动动力学建模问题,为高性能运动控制器搭建提供基础。该关节设计紧凑、负载能力强,两个伺服电机经过三级减速后,通过差动结构实现两自由度耦合输出,且表面光滑适宜与人接触。通过运动学分析了耦合驱动的原理,利用拉格朗日法建立了耦合驱动动力学模型。为解决速度零点摩擦力不连续,造成基于模型的控制器运动性能变差的问题,引入了连续可微摩擦模型,利用连续可微特性采用灰色模型提高了辨识精度。研制了机器人关节样机,进行了关节解耦、摩擦数据采集、参数辨识及轨迹跟踪等试验,结果表明所设计的耦合驱动关节可以完成周转、俯仰两个转动自由度的单独及耦合运动,并且输出扭矩与重量的比值达到了143.6 N·m/kg,可以满足轻量大负载护理需求,同时基于所建立动力学模型的运动控制可以显著提高轨迹跟踪的准确性。     

电动负载模拟器系统模型的建立与辨识

以永磁同步电机直接驱动的电动负载模拟器为具体的研究对象,采用机理分析的方法建立了电动负载模拟器系统的数学模型,并通过实验方法辨识了系统数学模型主要模块的频响特性,为对系统的特性作进一步分析提供了实验依据.     

基于模糊PID控制的电动负载模拟器研究

介绍了电动负载模拟器的系统结构和工作原理,分析了所存在的摩擦现象对负载模拟器控制系统的影响,建立了负载模拟器系统的数学模型。针对负载模拟器设计中主要存在的控制问题,采用模糊自适应整定PID控制方法设计控制器,消除摩擦等非线性因素对系统的影响,并基于结构不变性原理设计前馈补偿以抑制多余力矩。     

基于全闭环控制技术的滚珠丝杆伺服系统研究

针对滚珠丝杆全闭环伺服系统中的非线性因素影响动态精度的问题,设计了一种混合控制策略。首先,针对系统中的摩擦因素,采用了基于LuGre模型的前馈摩擦补偿;然后,为提高摩擦参数辨识精度,提出了一种改进的混沌粒子群算法,该算法将粒子群的收敛过程分成3个阶段,分别采用大惯性权重、变惯性权重与混沌寻优、小惯性权重的搜索方式,逐步提升收敛精度,避免陷入局部最优解;最后,针对系统中的间隙因素,设计了基于反向运动监测的速度补偿策略,提升了有间隙系统反向运动的动态特性。研究结果表明:相比于常规粒子群算法,改进的混沌粒子群算法使参数辨识的绝对误差平均下降42.6%;基于给定实验平台下的实验结果表明:采用LuGre摩擦补偿和反向速度补偿的混合控制策略可以缩短速度跟随误差50%以上,减少了系统反向运动时的位置误差,提升了整体位置跟踪精度,满足了数控系统的动态特性要求。     

基于改进变异蚁群算法神经网络的空间大型可展开天线动态响应辨识

针对空间大型可展开天线柔性大、展开过程中弹性变形与刚体运动相互耦合、机构运动参数时变的特点,提出了基于改进变异蚁群算法神经网络的辨识模型用于可展开天线动态响应辨识的方法。该方法采用改进变异蚁群算法优化神经网络权值,将变异机制引入蚁群算法,解决了蚁群算法收敛慢的缺点,对变异蚁群算法进行改进,提高了算法跳出局部最优的能力,进一步加快了收敛速度。仿真结果表明,该辨识模型兼具神经网络和蚁群算法的优点,不仅具有优异的非线性逼近能力,还具有高的运算效率。该辨识模型能够准确地辨识天线的动态响应,辨识的收敛速度快且精度高。     

基于快速动力学辨识的机器人力/位混合控制碰撞检测研究

针对机器人力/位混合控制时发生异常碰撞所导致的安全问题,提出一种基于快速动力学辨识的碰撞检测方案。首先,建立机器人快速动力学的辨识模型,基于拉格朗日法整理出机器人关节重力矩的最简三角函数回归矩阵,运用连续摩擦模型建模关节摩擦力;然后,采用最小二乘法分别辨识出机器人关节的重力矩最简参数集和连续摩擦模型参数集;最后,为验证提出方法的有效性,设计并完成机器人快速动力学辨识和碰撞检测实验。结果表明:提出的方法能够快速有效地辨识机器人的动力学参数,可实时检测机器人位置控制方向上4 N·m,力控制方向8 N·m以上的异常碰撞,有效保障操作人员和设备的安全,具有一定的工程参考价值。     

改进的动力学参数迭代辨识方法

迭代的辨识方法考虑了物理可行性约束、异常采样数据的去除和更符合实际的摩擦模型,因此可以获得更准确的动力学参数。针对需要辨识的参数多导致迭代时间成本高的问题,提出一种改进的动力学参数迭代辨识方法,通过引入 F 统计量剔除对机器人关节力矩几乎没有贡献的参数,降低迭代中需要辨识的参数的维度,以减少辨识时间、提高辨识效率。实验结果表明,在 Chin7 机器人上,该方法能在不影响力矩计算精度的前提下将辨识的计算时间减少 45% 。     

基于机床原生信息的进给系统位置-速度摩擦模型

利用数控机床信息采集管理与分析系统,采集实时的工作台位置及伺服电机驱动力矩电流等原生信息,进而提出量产数控机床进给系统摩擦力的提取算法。并利用该摩擦力数据的瞬时均值研究其随位置、速度变化的规律。提出摩擦力随位置与速度变化的双重多项式特性辨识方法,利用最小二乘法,拟合试验摩擦力估算值,得到摩擦力瞬时均值对于位置和速度的二维模型。经与Stribeck摩擦模型以及原试验数据的对比,证明位置-速度摩擦模型更能准确地描述量产机床实际的摩擦规律,具有良好的适应性和精度。     

轻载机器人动力学参数辨识中的关节摩擦力辨识

在轻载机器人低速应用场合,利用库仑-黏性摩擦力模型进行关节力矩计算时,机器人关节摩擦力有明显的周期性纹波误差。针对这一问题,提出一种改进的库仑-黏性摩擦力模型,包括由库仑-黏性摩擦力模型表示的稳态摩擦力,以及与位置和速度相关的位置依赖项。对模型进行分步辨识,利用库仑-黏性摩擦力模型的特性,对稳态摩擦力参数进行辨识,通过K-means聚类算法、支持向量回归(SVR)以及最小二乘法求解超定方程组,进一步对模型中的位置依赖项进行辨识,实验结果验证了该模型以及辨识方法的有效性。