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。     

一种并联机器人机电耦合多能域系统动力学参数辨识、控制及试验

以平面2-DOF冗余驱动并联机器人为研究对象,结合拉格朗日方程和键合图两种方法,建立了该机器人机电耦合多能域系统动力学模型。针对该机构特点,提出了一种将动力学模型线性化的待定系数法,通过该方法,经过严密的数学推导,得到了机电耦合多能域系统动力学模型的线性化形式,避免了传统的简化方法得到动力学模型线性化形式带来的误差。以五次多项式改进的傅里叶级数优化并联机构末端激励轨迹。搭建了动力学参数辨识试验平台,以加权最小二乘法对其机电耦合多能域系统的动力学参数进行了基于试验的辨识研究。所提的辨识策略不仅可以辨识出机器人机构本体的惯性参数与关节摩擦参数而且还可以辨识出电动机和减速机的等效转动惯量以及等效阻尼系数。设计了基于计算力矩的力位混合控制策略,并将辨识出的动力学参数应用到控制策略中,通过试验验证了机电耦合多能域系统动力学参数辨识的实用性与基于计算力矩的力位混合控制策略的有效性。     

机器人负载惯性参数的快速辨识

机器人的惯性参数辨识是基于动力学模型控制器设计的基础,除了需要辨识机器人自身的惯性参数外,还需要快速准确地辨识负载的惯性参数。针对需要更换负载的工作场景,提出了一种快速辨识负载的激励轨迹,该轨迹不需要经过优化,即可在短时间内覆盖更多的机器人运动状态,从而获得更为全面的采样参数集,提高了辨识效率的同时增强了辨识模型的泛化能力。实验表明,辨识的结果与负载模型的CAD参数符合,机器人关节理论力矩能较好地拟合实际驱动力矩,验证了负载参数的正确性。     

基于6维力/力矩传感器的并联机器人惯性参数辨识方法

提出了基于6维力/力矩传感器的并联机器人惯性参数辨识新方法,这种方法不需要了解关节摩擦和驱动器动力学特性的精确模型,推导了一般并联机器人的惯性参数辨识模型,分析了并联机器人的基惯性参数,提出了并联机器人惯性参数辨识轨迹的选择原则,并给出了两种新型空间并联机器人的分析实例。     

一种水平机器人动力学模型辨识方法

机器人动力学模型的辨识方法往往涉及多个参数变量,在控制应用中步骤繁琐,实施难度大.鉴于此,提出了一种水平机器人动力学模型简化的方法.通过拉格朗日原理建立水平机器人完整的动力学模型;采集本体轨迹和电流实时数据,通过理论的机械惯量参数,采用最小二乘法辨识本体的摩擦/转子惯量系数,最后进行了实验效果的验证.通过此方法,可降低动力学参数辨识过程的复杂度,可用于估算轨迹规划中的电机扭矩分布情况,从而便于优化轨迹处理.     

工业机器人动力学参数分步辨识与零力控制示教

针对复杂工况下,工业机器人直接示教柔顺性欠缺的问题,这里在传统零力控制算法中加入动力学惯性项补偿以降低示教过程的牵引力。首先,在综合考虑重力、关节摩擦和科氏力等因素的情况下,建立了一种6轴工业机器人线性动力学模型。针对该动力学模型参数辨识高维度、强非线性、多参数的特点,提出了一种分步辨识方法,此方法能有效地降低辨识方程系数矩阵维度,减少计算量。然后,根据辨识结果设计基于力矩控制的惯性项补偿零力控制器。最后,进行动力学参数辨识结果验证与直接示教实验。实验结果表明所提出的分步辨识方法结果较为精确;相比传统的零力控制算法,增加惯性项补偿的零力控制算法能使示教过程的牵引力幅值降低28.6%,显著改善示教过程的柔顺性。     

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。     

混合驱动柔索并联机器人自适应迭代学习控制

以一种兼容混合驱动机构与柔索并联机构特点的新型混合驱动柔索并联机器人为研究对象,对其动力学建模及轨迹跟踪控制进行了研究;应用Lagrange方法建立了混合驱动柔索并联机器人系统的动力学模型;针对具有非线性、时变特性以及带有可重复时变干扰的混合驱动柔索并联机器人动态系统模型,设计了一种控制增益随迭代次数变化的自适应迭代学习控制策略,并采用Lyapunov函数证明了该控制器的稳定性;数值仿真结果表明,在该控制器的作用下,混合驱动柔索并联机器人控制系统能够完成高精度跟踪期望轨迹,进一步验证了所建系统动态模型的正确性及控制策略的有效性。     

3自由度飞行模拟运动平台动力学参数辨识试验研究

以一种具有一平动两转动的3自由度新型并联飞行模拟运动平台为研究对象,为满足飞行模拟动感要求,研究其动力学参数的试验辨识方法,以进一步提高动力学模型的精度。针对模拟平台样机,采用分步辨识法辨识动力学参数。将电机的驱动力矩分为:减速器惯性力矩、丝杠惯性力矩、综合摩擦力矩和负载力矩,并分别辨识。再根据负载力矩分两步辨识平台的主要动力学参数。设计平台参数辨识试验的激励轨迹,采用加权最小二乘法计算出待辨识参数,并代替理论模型中的对应参数。最后通过试验和ADAMS仿真对比验证参数辨识策略的正确性。     

新型轮腿机器人步态规划策略

设计了一种新型步态可切换轮腿机器人。该机器人步态切换机理易于实现且不存在冗余机构,驱动系统置于封闭空间内,可在两栖环境下应用。基于模型控制步态的策略,规划了轮腿机器人的足端轨迹;利用运动学模型分析求解出各关节变量,对步态控制策略进行研究,并利用实验样机验证了基于足端轨迹规划的机器人步态控制策略的可行性。     

Piezoelectric inertial robot for operating in small pipelines based on stick-slip mechanism: modeling and experiment

Small pipes exist in industrial and biomedical fields, and require microrobots with high operational precision and large load capacity to inspect or perform functional tasks. A piezoelectric inertial pipeline robot using a “stick-slip” mechanism was proposed to address this requirement. In this study, the driving principle of the proposed robot was analyzed, and the strategy of the design scheme was presented. A dynamics model of the stick-slip system was established by combining the dynamics model of the driving foot system and the LuGre friction model, and the simulation analysis of the effect of system parameters on the operating trajectory was performed. An experimental system was established to examine the output characteristics of the proposed robot. Experimental results show that the proposed pipeline robot with inertial stick-slip mechanism has a great load capacity of carrying 4.6 times (70 g) its own mass and high positioning accuracy. The speed of the pipeline robot can reach up to 3.5 mm/s (3 mm/s) in the forward (backward) direction, with a minimum step distance of 4 μm. Its potential application for fine operation in the pipe is exhibited by a demonstration of contactless transport.     

仿生机器蟹单足惯性参数在线识别神经网络模型

机器人惯性参数识别是机器人精确建模以及机器人控制和仿真的关键问题之一。足端力传感器的接入会影响机器蟹系统的动力学特性,同时力传感器的输出也真实地反映了机器蟹的力作用和机器蟹足端的动力学特性。文中基于足端力传感器的输出信号,对在线识别仿生机器蟹单足末端惯性参数进行了分析和研究,并建立了惯性参数在线识别的神经网络模型,网络学习后其权值即为辨识的惯性参数。     

Controller Parameter Tuning of Delta Robot Based on Servo Identification

High-speed pick-and-place parallel robot is a system where the inertia imposed on the motor shafts is real-time changing with the system configurations.High quality of computer control with proper controller parameters is conducive to overcoming this problem and has a significant effect on reducing the robot’s tracking error.By taking Delta robot as an example,a method for parameter tuning of the fixed gain motion controller is presented.Having identifying the parameters of the servo system in the frequency domain by the sinusoidal excitation,the PD+feedforward control strategy is proposed to adapt to the varying inertia loads,allowing the controller parameters to be tuned by minimizing the mean square tracking error along a typical trajectory.A set of optimum parameters is obtained through computer simulations and the effectiveness of the proposed approach is validated by experiments on a real prototype machine.Let the traveling plate undergoes a specific trajectory and the results show that the tracking error can be reduced by at least 50%in comparison with the conventional auto-tuning and Z-N methods.The proposed approach is a whole workspace optimization and can be applied to the parameter tuning of fixed gain motion controllers.     

一种改进的SCARA机器人动力学参数辨识方法

针对SCARA机器人动力学参数辨识问题,提出了一种基于优化改进傅里叶级数的辨识方法。根据SCARA机器人完整动力学方程,推导得到动力学模型的线性形式。采用改进傅里叶级数作为机器人关节的激励轨迹,使得关节角度满足连续周期性,并且关节角速度和角加速度在轨迹起始和停止时刻为零。为进一步提高辨识精度,以SCARA机器人观测矩阵的条件数为目标函数,采用基于排挤机制的小生境遗传算法对激励轨迹的系数进行优化。考虑到测量噪声的影响,采用加权最小二乘法（WLS）作为参数估计方法。实验结果表明,采用所提方法能准确辨识出SCARA机器人的动力学参数,两关节力矩测量值和预测值的残差均方根分别减小了11.50%和26.35%。     

APPROACH TO IMPROVEMENT OF ROBOT TRAJECTORY ACCURACY BY DYNAMIC COMPENSATION

Some dynamic factors, such as inertial forces and friction, may affect the robot trajectory accuracy. But these effects are not taken into account in robot motion control schemes. Dynamic control methods, on the other hand, require the dynamic model of robot and the implementation of new type controller. A method to improve robot trajectory accuracy by dynamic compensation in robot motion control system is proposed. The dynamic compensation is applied as an additional velocity feedforward and a multilayer neural network is employed to realize the robot inverse dynamics. The complicated dynamic parameter identification problem becomes a learning process of neural network connecting weights under supervision. The finite Fourier series is used to activate each actuator of robot joints for obtaining training samples. Robot control system, consisting of an industrial computer and a digital motion controller, is implemented. The system is of open architecture with velocity feedforward function. The proposed m     

面向管道机器人的非对称惯性驱动系统及其动力学特性

针对恶劣管道作业环境,提出了一种由非圆齿轮和双轴偏心块组成的非对称惯性驱动机器人。阐明了同性干摩擦环境中机器人的惯性驱动原理,研究了非圆齿轮偏心率、阶数以及非圆齿轮与偏心块间相位角对惯性力的影响规律,获得了适合同性摩擦条件的非对称惯性力激发原则;通过数值方法求解出水平和倾斜管道中机器人的动力学模型,分析了机器人平均移动速度随系统参数的变化规律。研究结果表明：随机器人与偏心块的质量比和管道倾角(机器人爬坡状态)的增大,机器人移动速度减小;随电机角速度、非圆齿轮偏心率、偏心块回转半径以及管道支承力的增大,机器人移动速度先增大后减小。     

无偏差最小二乘法伺服控制系统参数辨识

为准确辨识伺服控制系统参数,针对高性能运动控制算法的要求,在分析典型伺服控制系统结构模型基础上,基于“库仑摩擦+黏性摩擦”模型,设计了无偏差最小二乘方法,研究其在“工控机+运动控制卡”数控系统平台上的实现方法。实时采集电机角速度数据,利用设计的方法估算伺服系统转动惯量、黏性摩擦和库仑转矩,通过角速度重构,对比理论计算和实际测量角速度,验证参数辨识的有效性和准确性。理论分析和实验结果表明,所设计的参数辨识方法能够准确辨识系统参数。