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。     

六自由度工业机器人末端定位误差参数辨识与实验研究

为了提高六自由度工业机器人绝对定位精度,对工业机器人进行了运动学建模,并建立了基于MD-H参数误差的机器人末端定位误差辨识模型,应用激光跟踪仪测量系统采集样本点数据,应用基于奇异值分解的最小二乘法求解辨识模型,以获得几何参数误差,并根据辨识出的误差对机器人末端定位精度进行补偿,实验结果表明,经过辨识和补偿后,工业机器人...     

机器人动力学参数辨识方法的研究

在不解体情况下,采用ＣＡＤ方法计算各动力学参数值,基于多体系统动力学模型及ＰＵＭＡ机器人单关节运动试验结果修正相应动力学参数,并考虑各关节摩擦与阻尼特性。通过ＰＵＭＡ机器人各臂联动试验验证辨识参数的正确性。     

数控机床伺服系统摩擦的非线性参数辨识研究

针对常用的Stribeck摩擦指数模型,提出用泰勒高次展开的方法达到非线性摩擦模型的线性化,利用最小二乘拟合的方法得到摩擦模型参数。通过对数控机床控制系统的电动机电流和转速等信号的采集,得到了进给系统中摩擦力矩与转速的对应关系,利用提出的方法进行了辨识实验,实验结果表明,该方法能对Stribeck摩擦模型的参数进行精确的辨识。该方法在工程实际中具有应用价值。     

凿岩机器人钻臂动力学参数分步理论辨识方法

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。     

基于DTC-LS的加速度计动态模型参数辨识

加速度计动态模型对描述和分析其动态特性具有重要作用。针对加速度计绝对法冲击激励校准中未知延迟时间对加速度计动态模型参数辨识精度的影响,提出了一种基于延迟时间修正(DTC)和最小二乘(LS)的加速度计动态模型参数辨识方法,该方法将延迟环节引入加速度计动态模型中,使用加速度计冲击激励与响应数据的傅里叶变换估计频率响应函数,采用LS方法和极小化相位误差准则函数迭代修正延迟时间,并利用延迟时间修正后的加速度计冲击激励与响应数据,辨识加速度计动态模型参数。仿真实验和加速度计绝对法冲击激励校准实验表明,该方法能够有效地消除延迟时间对加速度计动态模型参数辨识的影响,辨识获得的加速度计动态模型参数具有较高精度。     

汽车座椅座垫非线性模型参数辨识研究

基于遗忘因子递推最小二乘法对汽车座椅座垫非线性模型参数辨识展开研究。首先根据汽车座椅座垫非线性特性,建立驾驶员处的人体-座椅单自由度非线性动力学模型;然后,在沥青路面上对某款轿车进行随机输入下的汽车平顺性试验,测量得到驾驶员座椅和座椅底部地板垂向加速度时间历程;最后基于遗忘因子递推最小二乘法,利用试验实测数据对座椅座垫非线性模型参数进行辨识与分析,分析结果将为座椅乘坐舒适性改善、汽车平顺性优化及控制研究等提供技术支持。     

小型半导体制冷系统的参数辨识

半导体制冷系统在不同的领域都有其广泛的应用，对半导体制冷系统进行合理有效的参数辨识是对该系统进行有效控制的一个关键问题。这里用热力学的方法建立了简化的半导体制冷系统的模型，并通过搭接实验系统，用最小二乘法辨识了系统的参数，取得了很好的效果。     

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。     

基于动力学模型辨识的全臂柔顺控制

基于动力学模型的阻抗控制无须力传感器,可降低系统复杂性,实现机械臂的全臂柔顺,但现实系统的动力学模型往往难以精确确定.监督学习可以通过关节状态回归辨识动力学模型,但辨识精度取决于观测数据的数量和质量,且难以泛化到未观测空间.提出一种基于先验动力学知识的递归参数辨识方法,可提高数据效率及泛化能力.辨识过程结合递推牛顿-欧...     

基于六维力传感器的机器人动力学参数辨识

采用基座布置六维力传感器的方式进行机器人动力学参数辨识。以递推牛顿-欧拉方程为基础建立机器人动力学模型，给出六维力传感器输出与机器人关节间动力学关系，分离待辨识动力学参数并确定其最小惯性参数集，最终建立基于基座六维力传感器的机器人辨识模型。为了进一步提高辨识精度，采用两层低通滤波算法推导出加速度替代公式和速度滤波算法，减少加速度和速度噪声的影响。最后，以六自由度协作机器人的前2个关节为对象，设计辨识实验，获得两关节的最小动力学参数集。通过结果逆向验算表明，基座布置六维力传感器方式能以较高的精度辨识出机器人动力学参数。     

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。     

基于超级电容模型的参数辨识及其仿真研究

研究和分析了超级电容三分枝模型建立的理论基础,阐述了参数辨识的概念和递推最小二乘法应用于参数辨识的基本原理,在此基础上结合Matlab,编写了递推最小二乘法辨识程序,实现了对超级电容三分枝模型传递函数的辨识,最后通过对辨识结果的分析和仿真,验证了三分枝模型的正确性。     

机器人末端臂惯性参数辨识的人工神经网络方法

分析了机器人操作臂末端连杆惯性参数辨识的原理及数学模型,提出了一种与传统神经网络问题不同的惯性参数辨识方法,使神经网络的结构与权值具有明确的物理意义,解决了获取样本难的问题。探讨了人工神经网络在系统参数辨识应用中的一般规律及优越性。惯性参数辨识方法简单、直观、运算量小,可应用基于传感器信号的机器人末端惯性参数的在线辨识。在PUMA562机器人上,用实验验证了惯性参数辨识方法的可行性与有效性。     

基于增广最小二乘法的气动位置控制系统参数辨识研究

为实现气动位置控制系统的准确定位,对气动位置控制系统参数进行了数学建模,并推导出该系统的传递函数.采用AIC准则对系统进行了阶次辨识,对于不同的阶次(ň),找到了使AIC((ň))的(ň)作为模型最小的阶次;基于增广最小二乘法扩充了参数向量和数据向量的维数,实现了对有色噪声的无偏估计.实验结果表明,采样时间设定为10 ...     

基于偏最小二乘回归(PLSR)方法的铣削力模型系数辨识研究

在已有的铣削力模型基础上,建立一种适应多种工况条件下的铣削力系数多项式模型,提出一种方便、有效的多项式模型系数的辨识方法。即通过混合位级正交设计方法设计实验,获得实验数据;利用偏最小二乘回归分析方法——PLSR在模型参数辨识中的优势。仿真和实验结果表明,该方法不但可以准确、可靠地建立适用于不同工况条件的铣削力系数模型,同时,具有实验次数少,建模计算量小、辨识速度快,模型预测能力强等特点,模型参数具有较为明显的物理意义。文中最后给出了铣削加工LY12和45#钢的两种不同材料的仿真实例。     

仿人手指关节参数识别及滑模控制仿真研究

针对假手智能化水平较低的问题,设计了一种采用直流电机驱动并集成力矩/位置传感器的仿人手指机构,通过对手指基关节的分析,建立了近似的二阶系统模型,以电机电压为输入,关节位置、速度为输出,通过最小二乘法进行参数辨识,确定了系统的状态空间方程。在此基础上设计了滑模变结构控制器,通过对正弦信号的轨迹跟踪仿真表明,控制器具有良好的轨迹跟踪性能。     

一种适合于动态建模的信号参数模型

本文利用复指数模型作为瞬态信号的表示形式;系统的动态参数模型可由系统的输入与输出信号之间的关系建立;对实际窄带滤波器的阶跃响应的建模,表明了复指数信号模型是一种很有效的瞬态信号表示方法,只需截取很短的一段瞬态过渡信号,就可以得到信号参数的估计,系统模型的频域,时域回归效果较好.     

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% 。     

移动最小二乘法的时变结构模态参数辨识

研究时变结构模态参数辨识,基于泛函矢量时变自回归模型(Functional series vector time-dependent AR model,FS-VTAR)提出一种改进的移动最小二乘法的时变结构模态参数辨识方法。该方法源于无网格法中构造形函数进行局部近似的思想,引入带权正交基函数对移动最小二乘(Moving least square,MLS)的基函数进行改进,使得在辨识时间域内构造形函数矩阵过程中不再出现数值条件问题,从而提高了计算精度。把时变系数在形函数上线性展开,利用最小二乘法得到形函数的系数,从而得到时变系数。把时变模型特征方程转换为广义特征值问题提取出模态参数。利用时变刚度系统非平稳振动信号验证该方法,结果表明:改进的移动最小二乘法相比于传统的FS-VTAR模型能有效地避免基函数形式的选择和很高的基函数阶数且更加高效,相比于移动最小二乘法能有效地避免辨识过程中的数值问题,具有更高的模态参数辨识精度。