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。     

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。     

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。     

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。     

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%。     

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。     

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。     

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% 。     

移动式救援机器人的动力学仿真分析

利用雅克比矩阵概念与拉格朗日乘子方程,分别建立了移动式救援机器人系统的运动学与动力学模型,并以系统的动力学模型为基础,研究了移动式救援机器人的动力学分析过程。为实现对移动式救援机器人工作端轨迹的跟踪控制,提出了一种基于工作空间的逆动力学控制算法。利用Matlab软件,对所得到的运动学、动力学模型与逆动力学控制算法进行了仿真验证。     

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。     

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。     

风荷载下越障巡检机器人结构参数优化

采用机器人代替工人定期巡检超高压输电线路,是超高压输电线路维护技术的发展趋势之一,可以降低成本、提高巡检的准确率。架空输电线一般架设在距地面60 m的空中,这种架空输电线周围的风荷载与近地面的输电线周围的风荷载不同,对机器人结构参数的影响也不同。基于架空输电线周围风荷载较地面风荷载复杂的问题,在简化风荷载条件下建立越障巡检机器人结构参数的数学模型。由模型分析60 m高的架空线周围的风荷载对复合双臂越障巡检机器人结构参数的影响,并进行仿真验证。模型分析与仿真结果表明,结构参数优化的机器人质量减少了16 kg。