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%。     

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。     

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...     

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% 。     

基于连接组合体方法的关节机器人动力学参数辨识

为获得不受负载影响的机器人动力学参数的独立值,采用连接组合体方法辨识机器人动力学参数,即辨识时按照一定的方式及次序锁定其他关节,每次仅让某几个关节运动,从而辨识出全部参数的独立值。编写了机器人动力学参数辨识程序,对某确定工业机器人进行了动力学参数辨识计算。结果表明：该方法能够获得独立的机器人动力学参数;绝大多数参数能够获得理想的辨识精度;受噪声影响,部分参数辨识结果与理想值差距较大,原因在于这些参数对力矩的贡献很小,在噪声存在的情况下,其信息被淹没;基于辨识结果的力矩计算结果与机器人控制理想力矩具有很高的吻合度,验证了该方法的正确性。     

一种鲁棒的机械臂动力学参数辨识方法

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%。     

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。     

一种基于神经网络的双足机器人混合动力学系统辨识方法

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。     

上肢康复机器人动力学模型参数辨识

上肢康复机器人是一个非线性、多耦合的系统,对其建立精确的动力学方程较为困难,故无法直接应用于控制系统中。基于拉格朗日法建立康复机器人动力学方程,设计一条激励轨迹,并运用激励轨迹得到的关节力矩和关节角度等相关数据进行动力学参数辨识。使用递归最小二乘法辨识法得到较为精确的上肢康复机器人动力学方程,并通过设计相应的验证轨迹,证明了辨识得到的动力学方程的有效性。     

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。     

一种新型并联动力头动力学参数辨识方法研究

以一种一平动两转动自由度的新型三坐标并联动力头为对象,研究这类系统的动力学参数辨识方法。在运动学和刚体动力学分析的基础上,提出一种通过在运动构件上设置特征点构造适合参数辨识的动力学模型。根据不同工况下负载力矩的特点,提出一种具有分层递阶格式的动力学参数辨识策略。该策略可通过选择适当轨迹,有效消除或抵消库仑摩擦力矩的影响,进而可有效提高运动构件的动力学参数。通过不同工况下的试验验证了所提出辨识策略的正确性和有效性。     

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。     

机器人操作臂动力学参数的动静态辨识方法研究

针对机器人惯性参数辨识的问题,提出了一种机械臂动力学参数的动静态混合辨识方法。在静态辨识中,通过变换机械臂的构型构造多维矩阵,利用机器人基座六维力传感器采集的三维力及力矩值,采用最小二乘法求解机械臂各连杆质量与质心坐标的乘积,为动态辨识过程消去待辨识参数的二次方项,降低辨识的复杂度。利用静态辨识结果,基于牛顿-欧拉算法推导参数解耦形式的机械臂动力学方程。在动态辨识中,规划各关节按照特定的组合方式运动,根据采集的各关节的力矩、速度及加速度值,采用伪逆法辨识各连杆的惯性张量以及质心坐标,继而完成动力学参数的全辨识,算法的参数辨识误差低于0.7%。最后,通过仿真实验验证了该辨识算法的正确性与可行性。     

一种加权频域子空间模态参数辨识方法的改进

为解决频域子空间模态参数辨识方法受噪声影响的问题,提出一种加权频域子空间方法。运用该方法对多次实验得到的频域数据的方差进行估计,把输入、输出频域点估计的方差倒数作为加权系数,构成加权系数矩阵。考虑了输入及输出噪声,根据噪声的频域方差分配权重。为验证改进方法的有效性,在一个二自由度系统上进行了仿真验证。以某变截面轴的模态分析为例,进行了实验验证。仿真及实验结果表明,提出的改进加权算法能够在较强噪声时准确分辨模态参数。     

一种改进的驾驶员模型参数辨识算法

在现有的最优预瞄曲率驾驶员模型的基础上,用惯性环节近似替代其中的延时环节,得到一个新的驾驶员模型。基于该驾驶员模型,得到辨识所需要的系统输入和输出的仿真数据。进而应用递归最小二乘算法和非线性最优化方法,对该驾驶员模型中的参数进行辨识,在辨识过程中引入权重向量提高了相应的辨识精度。结果表明,该方法可以有效地辨识相应的驾驶员模型参数,对模型参数的离线辨识具有参考意义。     

动力学参数辨识的SCARA机器人PTP加速度优化

针对SCARA机器人高速运动时驱动力矩超限对减速机造成损伤的问题,提出一种基于动力学参数辨识的PTP加速度优化方法。通过对粘滞+库伦摩擦模型进行改进得到更好的表征高速运动时的摩擦模型,并由激励轨迹最小二乘法完成SCARA机器人改进后动力学模型参数辨识。进一步通过改进的动力学模型对SCARA机器人的PTP运动进行力矩预测,选取合适的迭代步长通过寻优算法得到最优的PTP加速度。ADAMS仿真和力矩预测实验表明,改进后的SCARA机器人动力学模型具有更高的力矩预测精度,加速度寻优算法平均耗时8 ms满足工程实时性要求,所得最优加速度在保证运行效率不降低的同时使得多点位PTP运动峰值转矩从112.2 N·m降低到了84.19 N·m,有效的提高减速机的使用寿命。     

基于模糊优化辨识模块化机器人关节动力学参数

为了能更为合理、准确地辨识出机电结构系统结合面的等效动力学参数,提出了基于模糊优化的辨识方法。以9自由度模块化冗余机器人为研究对象,采用模糊优化方法辨识了机器人关节面等效动力学参数,并利用所识别的参数及机器人各部件有限元模型建立了机器人整机动力学模型,该模型的模态参数与试验结果具有较好的一致性,表明所提出的辨识方法具有较高的辨识精度,是合理和可行的。     

一种非线性振动系统参数辨识方法

文献 [1]提出了一种对非线性系统线性化的最小二乘法理想线性化方法 ,此方法当动态参数在较大范围变化时 ,仍能较准确地逼近原系统。本文利用理想线性化的结论来对非线性系统进行参数辨识。先假设原系统非线性模型是由某些已知的非线性函数构成 ,并找到一个系统较为逼近的线性模型 ,再利用理想线性化的结论推导出线性模型系数和非线性模型系数之间的关系 ,反推出系统的非线性模型。数值仿真结果表明 ,此非线性模型比最初线性模型更加逼近原系统。     

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。     

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。