工业机器人动力学参数的改进遗传算法辨识

为了准确辨识出六自由度工业机器人的动力学参数,提出一种基于改进遗传算法的参数辨识方法。构建牛顿-欧拉机器人动力学模型,明确反映各关节力矩与动力学参数的函数关系;通过改进遗传算法获取优化激励轨迹,并对机器人进行动力学参数的整体辨识,减少关节间耦合作用影响,避免多次识别实验环境不一致而产生的误差。最后采用最小二乘法计算机器人的动力学参数,解决因初始值选择不合理而导致辨识精度受限的问题。实验结果表明：此方法得到的最优激励轨迹能够满足约束条件,缩短优化时间,有效提高动态参数辨识的准确性和有效性。     

非线性权重粒子群算法的机械臂动力学参数辨识北大核心

对机械臂的动力学模型进行了研究,提出了一种六关节串联机械臂动力学参数辨识方法。首先,基于牛顿欧拉法建立模型,通过关节类型将动力学参数组合,确定待辨识的最小惯性参数集;其次,将傅里叶级数作为激励轨迹,采用一种非线性权重粒子群算法对其系数进行寻优,并设置惩罚函数来剔除不满足条件的粒子;最后,设计测试轨迹来进行力矩验证。仿真结果表明,非线性权重的粒子群算法仿真时间短,适应度值较优,明显地加快了收敛速度。在测试轨迹中,估算力矩与实际力矩基本吻合,其力矩差值在误差允许范围内。     

工业机器人几何参数混合优化辨识与标定

为了提高串联工业机器人的绝对定位精度,文章提出了基于圆点分析法(CPA)与最小二乘法相结合的机器人几何参数混合优化辨识标定方法。首先利用CPA对机器人模型进行几何参数初辨识,然后以初辨识结果建立机器人几何误差模型,采用最小二乘法优化求解实现精辨识,再通过距离误差来验证标定效果。通过对埃夫特ER10L-C10工业机器人进行辨识标定实验研究,结果表明:采用文中方法对机器人几何参数辨识标定后其绝对定位误差的最大值、平均值和标准差明显小于理论模型和CPA辨识模型的结果,证明文中方法可以有效辨识标定机器人模型的几何参数,提高机器人的绝对定位精度。     

基于递推最小二乘法的SCARA机器人动力学参数辨识研究

为了提高SCARA机器人在工业场合中的工作精度,对其动力学模型进行分析是有效途径之一。建立机器人拉格朗日动力学方程并进行线性化处理,得到一组关节力矩和待辨识参数的线性表达式。选取有限项傅里叶级数作为激励轨迹模型,并使机器人启停时关节角速度和角加速度为零,确保机器人运行平稳。再将线性表达式中观测矩阵的条件数作为优化指标,并结合MATLAB优化工具箱,获得关节最优激励轨迹系数。最后通过递推最小二乘法获得待辨识参数,并代入关节力矩表达式中,并与实际采集力矩值进行比较,确定两者变化趋势。结果表明:实验能够获得较为理想的效果,经过辨识计算所得关节力矩可用作相关领域的动力学控制。     

基于改进LuGre摩擦模型的机器人关节摩擦力辨识研究

机器人在精准装配时，摩擦力影响着控制精度。利用LuGre摩擦模型进行关节力矩计算时，机器人关节摩擦力具有周期性纹波误差。针对此问题提出一种改进的LuGre摩擦模型，包括LuGre摩擦模型表示的稳态摩擦力，以及与速度相关的位置依赖项。对摩擦模型进行分步辨识，利用LuGre摩擦模型的特征，对稳态摩擦力参数进行辨识，通过SVM多类分类算法、支持向量回归（SVR）和最小二乘法求解方程组，对模型中的位置依赖项进行参数辨识。实验结果表明，机器人在不同负载下运行，使用改进模型及辨识方法计算关节摩擦力矩时，误差可以降低50%以上。     

协作机器人关节摩擦特性辨识与补偿技术

为提高机器人的运动精度和换向过程的运动平稳性,降低换向过程中因摩擦引起的位置误差和速度波动,文章提出了一种基于改进库伦+黏性摩擦模型的补偿方法。该改进模型引入sigmoid函数克服了传统库伦+黏性摩擦模型在换向过程中的不连续问题;并采用恒速辨识方法实现了摩擦模型参数的精确辨识;在此基础上,利用前馈补偿技术实现了机器人关节摩擦特性的补偿。实验结果表明,文中提出的辨识方法能够有效的辨识出摩擦模型参数和基于模型的补偿算法明显降低了换向过程中的摩擦误差。     

基于球面约束的机器人系统标定

针对机器人系统现场标定问题,提出一种利用百分表位移测量装置,基于球面约束的机器人工具坐标系以及工件坐标系标定方法。在DELMIA软件中建立仿真平台,运用非线性最小二乘算法成功对工具参数进行辨识求解。对某焊接机器人系统进行现场标定实验并在标定完成后导入离线程序进行轨迹偏离度验证。结果表明机器人轨迹偏离度得到改善,一致性偏差保持在0.3mm以内,稳定性较好,该标定方法的可行性得到验证。     

挖掘机液压系统非线性摩擦的辨识与补偿

针对挖掘机电液比例控制系统受到液压缸非线性摩擦导致系统稳定性和控制精度降低的现象,提出利用改进粒子群算法和前馈补偿相结合的策略,对控制系统进行优化,以提高系统位移跟踪精度。建立电液系统模型,并用改进的Stribeck模型描述非线性摩擦。通过改进的粒子群算法对模型参数进行辨识优化,根据结构不变性原理设计出一种动态摩擦前馈补偿方法。在此基础上,进行正弦信号、高速工况和低速工况实验。实验结果表明：提出的Stribeck模型和摩擦补偿控制方法可以有效改善低速爬行和平峰现象,并使轨迹追踪精度提高45%左右。     

基于改进遗传算法的含间隙平面二连杆机器人模型辨识研究

针对含间隙机器人难以建立较准确的数学模型问题,以含间隙二连杆机器人为例,分别运用最小二乘法、传统遗传算法和改进遗传算法对其进行参数辨识;其中改进遗传算法分别从编码方法、交叉算子、变异算子以及交叉概率和变异概率的自适应改进方面对传统遗传算法进行了改进,解决传统算法容易发生"早熟"现象的问题。研究结果表明:利用3种辨识法对含间隙二连杆机器人进行参数辨识时,改进遗传算法辨识精度最高,收敛速度最快。与传统的应用动力学建模相比,应用该辨识方法更方便快速,为构建含间隙机器人系统模型提供了参考。     

6R关节式机器人运动学仿真分析

为研究PR05型号6自由度关节型机器人的运动性能和轨迹规划,运用D-H建模方法对该机器人建立运动学方程,并基于其变换矩阵中元素的特性,提出一种6自由度机器人运动学逆解优化算法,该算法只需进行一次矩阵逆乘,从而使计算过程简化,而后分析了该机器人的奇异状态位置;在Matlab Robotics Toolbox环境下,对该机器人进行仿真建模,并对其运动学正逆解和关节空间轨迹进行实例仿真,得到了机器人各个关节的动力学参数仿真曲线和运动轨迹数据,验证了所建立的机器人运动学模型正确以及正逆解算法的有效性,表明了该机器人运动性能良好,轨迹曲线平滑无波动。     

基于改进SPBO算法的关节机器人动力学参数辨识

提出一种基于改进学生心理学优化(BSPBO)算法的机器人动力学参数辨识方法。通过Newton-Euler法构建关节型机器人动力学模型，设计符合运动约束的五阶傅里叶级数作为激励轨迹；引入SPBO算法并对其进行如下改进：增加Good Student分类在学生种群中所占比例、改善迭代过程中求解变量越界的处理方式，以提高算法的开发能力和全局探索能力，克服SPBO易陷入局部最优的缺陷；以具备关节力矩测量功能的机器人平台为对象，开展动力学参数辨识实验。结果表明：BSPBO算法的收敛精度更高、收敛速度更快，能稳定高效地完成各关节动力学参数的辨识。     

基于迭代学习的镜片分拣机器人主动臂轨迹跟踪控制系统设计

针对动力学精确模型未知情况下的镜片分拣机器人重复动作路径控制问题，通过忽略从动臂、动平台和负载质量，建立镜片分拣机器人的简化拉格朗日动力学模型，解除动力学控制各主动臂的耦合性，分别对各单个主动臂施加控制。将迭代学习算法应用到单个主动臂的轨迹控制中，在Matlab中搭建基于迭代学习的镜片分拣机器人主动臂轨迹跟踪控制系统。通过模拟仿真验证轨迹跟踪精度，结果表明基于迭代学习的主动臂轨迹跟踪控制系统在有限迭代次数内跟踪精度较高。     

一种六自由度机器人运动参数标定方法的研究

针对六自由度机器人定位精度问题,在机器人运动学误差模型的基础上提出运动学参数标定方法。通过Levenberg-Marquardt算法实现机器人运动学参数偏差的预辨识,将这些辨识的参数偏差的次优值定义为初始个体分量的中心值,并利用差分进化算法完成精确的辨识,进而获得机器人运动学参数的较优值。为验证所提方法的有效性,采用激光跟踪器和数值模拟的方法进行了运动参数标定的实验研究,结果表明：所提出的运动学参数标定方法能显著提高六自由度机器人的定位精度。     

基于粒子群算法的新型机械臂圆弧导轨优化设计

针对传统的机械产品设计过程周期长、效率低,很难在短时间内得到最优解的缺点,将粒子群优化算法引入一种用于康复机器人的新型机械臂圆弧导轨的优化设计中。通过机械臂的使用目的搭建机械模型,确定导轨设计中的重要参数作为设计变量,同时利用强度校核确定设计变量的边界条件,根据设计目的确立产品质量最小为优化设计的目标函数,利用粒子群算法快速、准确地获得合理的结构参数。实现了对新型机械臂圆弧导轨最优解的优选。     

机器人柔性关节前馈力/位混合控制策略研究

针对机器人关节柔性引起的轨迹跟踪误差问题和末端执行器残余振动现象,在PD反馈控制律基础上,提出一种基于柔体动力学模型的前馈力矩补偿控制算法和后置多模态自适应输入整形算法前馈力/位混合控制策略。建立六轴工业机器人柔体动力学简化模型,在不附加关节编码器和外设的情况下进行柔体动力学参数辨识,再将动力学模型改写为力矩计算方程,经计算得到前馈力矩并加入控制律中进行补偿;计算前馈力矩所用的期望轨迹需经过输入整形器处理,考虑机器人系统的时变性问题,采用后置多模态自适应输入整形算法对期望输入位移信号进行命令整形,从而抑制末端的残余振动现象。结果表明：所提出的前馈力/位混合控制策略能有效减少轨迹跟踪误差,抑制机器人末端的残余振动现象。     

机器人轨迹规划目标逆解精度优化算法

应用常规D-H建模方法,建立6R机器人正运动学模型。当模型存在误差时,轨迹规划目标逆解含有误差,实际运行轨迹无法满足机器人作业精度。提出将目标位姿与实际位姿间误差作为迭代目标,基于Levenberg-Marquardt方法求逆,利用含有误差的模型参数,实现逆解精度迭代优化,输出修正后的关节角逆解,可使机器人实际运动以所需作业精度接近轨迹规划目标位姿。经仿真验证,算法可完成复杂的轨迹规划逆解精度优化,且避免运动学模型高精标定与参数识别,有实际应用价值。     

6R机器人轨迹规划目标逆解精度优化算法

应用常规D-H建模方法,建立6R机器人正运动学模型。当模型存在误差时,轨迹规划目标逆解含有误差,实际运行轨迹无法满足机器人作业精度。提出将目标位姿与实际位姿间误差作为迭代目标,基于Levenberg-Marquardt方法求逆,利用含有误差的模型参数,实现逆解精度迭代优化,输出修正后的关节角逆解,可使机器人实际运动以所需作业精度接近轨迹规划目标位姿。经仿真验证,算法可完成复杂的轨迹规划逆解精度优化,且避免运动学模型高精标定与参数识别,有实际应用价值。     

基于混合摩擦的柔性关节机器人跟踪控制研究

针对柔性与摩擦的存在导致机器人关节跟踪控制效果不理想的问题,考虑柔性与摩擦建立完善的动力学模型,并设计神经网络反演复合控制器。动力学模型中以弹性扭簧模型描述关节柔性,以包含静摩擦、库伦摩擦、黏性摩擦和Stribeck摩擦的混合摩擦模型描述关节摩擦。针对柔性关节的特点设计反演控制器,并在此控制器的基础上以RBF神经网络算法实现摩擦等非线性项补偿。最后通过MATLAB仿真验证所设计控制器的有效性,并分析不同摩擦模型对跟踪精度的影响。实验结果表明:与PD控制器相比,采用所构建的复合控制器缩短了响应时间且减小了跟踪误差。该控制器可以实现柔性关节机器人轨迹的良好跟踪,提高了跟踪控制效果。     

基于高斯过程的倾转旋翼机器人模型辨识

针对一种新型倾转旋翼水空跨域机器人,采用一种非参数系统辨识算法,目的是在数据量较少情况下,实现对跨域机器人的动力学建模。该算法基于多输出高斯过程,在无需机器人动力学模型的先验知识情况下,可通过采集试验数据,获得机器人的模型。为降低高斯过程回归的计算复杂性,采用局部高斯过程回归,对机器人的动力学模型进行辨识。为验证该辨识方法的有效性,在空气中以倾转四旋翼模型为试验平台,利用遥控获取的机器人数据进行验证。在机器人相同控制输入量下,对比模型预测值和实际测量值,证明该机器人动力学辨识方法的有效性和局部高斯过程回归的快速性。     

基于改进粒子群算法的六自由度机械臂时间最优轨迹规划

针对六自由度机械臂时间最优轨迹规划问题,提出一种基于改进粒子群算法的4-3-4混合多项式插值轨迹规划算法。算法采用自适应惯性权重,它能根据搜索过程的各个阶段采用相应大小的权重,有利于跳出局部最优陷阱,保持粒子群多样性;以非线性学习因子代替传统粒子群算法中固定的学习因子,有效提高算法的收敛速度和求解精度。通过MATLAB进行仿真验证,结果表明改进粒子群算法收敛速度提高46%,寻优精度提高38%,同时机械臂轨迹规划时间缩短了大约36%,充分地证明了该轨迹规划算法的可靠性和优越性。