共查询到17条相似文献,搜索用时 62 毫秒
1.
2.
3.
针对机械臂动力学参数在传统辨识方法下存在辨识精度不高且易受异常数据点影响的问题,提出一种鲁棒的机械臂动力学参数辨识方法。首先,采用牛顿-欧拉法建立机械臂动力学方程,推导得到机械臂动力学线性化重组模型,确定需要辨识的惯性参数最小集合;其次,设计激励轨迹,采用遗传算法优化激励轨迹参数;再次,采用Tent混沌映射对传统粒子群优化算法(PSO)的初始种群位置进行改进,自适应惯性权重和学习因子,同时设计残差权重策略来剔除辨识过程中的异常数据点;最后,采集数据进行参数辨识试验。辨识结果表明:所提方法增强了对异常数据点的鲁棒性,有效提高了辨识精度,与随机权重粒子群算法(RWPSO)相比,文中所提改进粒子群优化算法(IPSO)的残差均方根(RMS)平均减小了10.064 3%,相关系数ρ平均增大了0.827 3%。 相似文献
4.
5.
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% 。 相似文献
6.
凿岩机器人钻臂具有多冗余自由度耦合关节,且结构尺寸庞大,难以准确获取其动力学参数。为此,提出一种分步理论辨识法辨识钻臂动力学参数。推导出钻臂的牛顿-欧拉方程,并建立其动力学模型,采用5阶傅立叶级数规划钻臂各关节运动的激励轨迹,将钻臂3维Pro/E模型导入ADAMS中,根据各关节在激励轨迹下的驱动力(或力矩),从推进器关节开始沿机身方向进行递推,对各关节的动力学参数进行分步辨识。仿真结果表明,分步理论辨识法具有较高的辨识精度,提高了钻臂末端(钎头)定位控制的精度和稳定性。 相似文献
7.
9.
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... 相似文献
10.
11.
针对双足机器人的混合动力学系统辨识问题,从系统渐进稳定性角度分析,推导出连续与离散混合系统的可辨识条件,提出了一种基于混沌粒子群优化的径向基函数神经网络与动态模糊神经网络的联合辨识方法。利用混沌粒子群优化的径向基函数神经网络辨识双腿的连续摆动阶段,利用动态模糊神经网络辨识离散的足地碰撞阶段;依据两阶段同一变量的耦合、转换关系,实现了对双足机器人整体混合系统的准确辨识。仿真实验结果表明,该方法辨识和预测结果具有较高的准确度。 相似文献
12.
根据环境激励具有随机性以及线性系统在环境激励下各输出点响应之间的相关函数与系统的脉冲响应函数具有相同的数学表达式等特点,给出了在线模态参数识别的理论,并提出了仅根据环境激励响应识别模态参数的新方法。 相似文献
13.
针对一端支承松动的转子-滚动轴承系统,利用遗传算法对松动端的故障非线性参数进行识别。针对传统遗传算法的早熟收敛问题,提出了一种改进的遗传算法。通过适应度函数的构建,将参数识别问题转化为参数优化问题,改进了遗传算法中新一代种群的生成机制。父代种群进行交叉与变异操作后,并不直接产生新一代种群,而是取父代种群与生成的种群中适应度排序靠前的个体组成新一代种群。改进的遗传算法能以较大的变异率进行遗传进化,克制了遗传算法的早熟收敛问题,加快进化速度。用改进遗传算法识别了转子支承松动参数,并研究了变异率和噪声对识别结果的影响。研究表明,改进的方法能有效提高松动参数的识别效率,变异率最高可达0.3,噪声不超过10%时能具有理想的识别精度。基于支承松动转子实验台的实测信号,利用改进遗传算法进行了参数识别,验证了改进算法的有效性。 相似文献
14.
汽车转向系统是一个缓慢变化的非线性系统 ,在一个较短的时间间隔内 ,可以用一个参数时变的二阶线性系统对其动力学特性进行描述。根据这一特点 ,在最小二乘原理的基础上建立了一个转向系统的车载辨识算法 ,对当前工况下转向系统的动力学特性进行辨识计算。仿真计算表明 ,该算法具有较高的辨识精度 ,可以应用于汽车转向系统离线仿真和实时控制。 相似文献
15.
气垫式越野机器人土壤参数识别算法及其采样点选取规则 总被引:1,自引:0,他引:1
正确地在线识别土壤参数是软地面越野机器人运行性能优化和控制的基础,其实施需要解决多解问题和准确性问题。利用气垫式机器人的垂向力控制自由度,提出g算法对3个土壤推力参数进行解耦和识别,能够解决多解问题。g算法的实施需要确定3个采样点,需要限制由状态噪声和测量噪声引起的土壤参数估值误差,因此有必要建立合理的采样点选取规则。其方法如下:将估值误差的减小具体表征为3方面,经数学推理分别建立采样点选取规则,再得出折中方案。结合一个工程实例进行了不同状态噪声和测量噪声水平下的估值准确性试验。试验结果表明:①在各种噪声水平下,尽管存在或多或少的误差,g算法均能够识别出3个土壤推力参数;②在各种噪声水平下,根据选取规则得到的理想采样点组合相对于随机组合具有明显优势;③系统的非线性导致状态噪声和测量噪声均对g算法的估值准确性有较大影响。上述结果显示出针对气垫式越野机器人提出g算法及其采样点选取规则的必要性和可行性。 相似文献
16.