基于牛顿欧拉法的SCARA机器人动力学参数辨识

SCARA机器人在工业生产中得到了广泛应用.为满足高速、高精度的要求,必须对SCARA机器人进行动力学分析.文中用牛顿欧拉方法对SCARA机器人进行动力学建模,并将摩擦力以及电机转子对关节力矩的影响纳入动力学模型,得出了关节力矩关于一组可辨识参数集的线性表达式.采用傅里叶级数作为激励轨迹进行实验,并通过最小二乘法对得出的可辨识动力学参数集进行辨识.实验证明,通过推导的线性表达式计算出的关节力矩理论值与实际值的变化趋势一致.运用所提方法辨识的动力学参数进行动力学建模,能得到SCARA机器人运动时的关节力矩,可为后期的动力学控制提供基础计算公式.     

工业机器人动力学模型参数辨识的新方法

通过让机器人各关节静止,逐个让单个关节恒速运行和逐个让单个关节恒加速运行而让其它关节固定不动的3组实验全部辨识出工业机器人的动力学参数。这种辨识方法既考虑了关节力矩传递机构的影响又考虑了驱动电机特性参数的影响,因此是一种实用的辨识方法。     

基于最优激励轨迹的RRR机械臂动力学参数辨识

机器人动力学参数的精确辨识是对机器人进行精确控制的前提,参数辨识的精度与所采用的标定轨迹直接相关.以RRR机械臂为研究对象,建立该机械臂的动力学模型.在动力学参数辨识时,选择有穷傅里叶级数做为最优激励轨迹的表达式,通过最小化退化矩阵的条件数来获得最优激励轨迹中的参数,同时把各关节位置、速度和加速度的物理约束与激励轨迹结合起来,使获得的最优激励轨迹在物理意义上是可行的.通过在激励轨迹中指定频率范围来避免激励机器人的柔性特性,利用最小二乘法来辨识动力学参数.最后仿真验证了该辨识方法的有效性.     

机器人负载的动力学参数辨识

为解决机器人末端负载的时变性给高速运动的机器人带来控制精度降低的问题,研究了参数差值法、力矩求解法、全局参数辨识法的机器人末端负载动力学参数辨识的方法,以提高末端负载的辨识精度.得到的负载动力学参数用于动力学控制以提高机器人动态精度.通过建立拉格朗日动力学线性辨识模型,以最优激励轨迹进行实时数据采集,采样数据经过低通滤波及中心差分的处理后,代入相应的负载辨识方程式,并用加权最小二乘法解决线性方程组,可辨识到不同负载的动力学参数.实验验证了负载辨识方法的可行性.     

基于WLS-ABC算法的工业机器人参数辨识

针对工业机器人在不带负载时的动力学参数辨识问题,提出了一种基于加权最小二乘法与人工蜂群算法(WLS-ABC)的辨识算法.首先计及关节摩擦特性,推导出机器人动力学模型的线性形式;接着设计五阶傅里叶级数作为激励轨迹,采集辨识实验数据;然后根据文中辨识算法,采用加权最小二乘法得到待辨识参数初始解,并以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制找到全局最优参数;最后对得到的模型进行验证与分析.实验结果表明,通过文中辨识算法得到的预测力矩与测量力矩有较高的匹配度,所建立的模型能够反映机器人的动力学特性.     

平面三自由度冗余并联机床的分步自标定方法

针对平面三自由度冗余驱动并联机床,提出基于最少参数线性组合理论的分步自标定方法.根据误差模型输出和机构自由度,给出工程中所有常用的测量方式;然后逐一进行辨识性分析,得到各测量方式下可辨识的不同最少参数线性组合;在兼顾辨识完整性和参数辨识性能的条件下,确定出包含分步测量、分步参数辨识、分步误差补偿的分步自标定方法.仿真结果表明: 该方法可完全屏蔽掉不影响终端精度的无关参数,并可提高每步中参数辨识的准确性.最终参数辨识结果与设定值基本相同,验证了该方法的可行性.     

基于随机权重粒子群算法的SCARA机器人动力学参数辨识

针对SCARA机器人在负载条件下末端动力学参数难以辨识的问题,在分析负载对各关节力矩影响的基础上,对SCARA机器人进行了结构简化,利用Lagrange法建立带负载机器人的动力学数学模型,确定了需要辨识的机器人末端动力学参数。在传统粒子群算法的基础上,提出一种随机权重粒子群算法对机器人动力学参数进行辨识,并编写了相应的程序。仿真辨识结果表明:随机权重粒子群算法的收敛速度与参数粒子搜索范围得到明显提升,辨识出的机器人力矩与实际输出力矩基本吻合,说明该算法对机器人动力学参数的辨识具有较高的精度;与遗传算法、基本粒子群算法相比,随机权重粒子群算法辨识得到的适应度函数最优值最小,不易陷入局部最优,便于全局搜索,参数辨识精确更高。     

在轨服务双臂空间机器人参数辨识研究

本文以在轨服务自由漂浮空间双臂机器人为研究对象，研究了机器人本体和所抓取未知目标卫星的参数辨识问题。利用卫星自身携带的测速敏感器测得卫星本体质心以及操作臂的线速度及角速度，基于线动量及角动量守恒方程即可对双臂机器人本体和未知目标卫星进行未知参数的辨识。本文首先对空间机器人模型进行符号推导；然后研究了机器人的参数对辨识研究的影响；最后分析了参数辨识的影响因素。本参数识别方法的可行性以及效果在地面实验室中得到验证。     

具有非驱动关节机器人的动力学分析

简单介绍具有非驱动关节机器人的特点 ,阐述了拉格朗日动力学理论 ,并在此基础上 ,详细推导出具有非驱动关节机器人手臂的动力学方程 .     

机器人系统中环境动力学模型及其参数辨识

根据机器人系统中环境的本质特征，本文提出了环境动力学既有刚体运动力学特性，又有表面开变动力学特性的观点；由此建立了新的环境动力学模型，给出了该动力学模型参数辨识的遗传算法模型，理论分析和实验研究表是该模型及其参数辨识方法是实用的，可行的。     

基于角度模型的机器人驱动系统参数辨识

针对直流电动机驱动的轮式机器人,提出一种根据机器人轮子编码器读数辨识机器人驱动系统参数的算法,并与传统的根据速度输出来辨识机器人参数的方法进行了比较.仿真计算证明:根据编码器数据辨识有更好的精度及抗干扰能力.     

基于改进差分进化算法的机器人动力学参数辨识方法研究

针对传统差分进化算法存在收敛精度不高和算法容易陷入局部最优等问题,提出一种差分进化(Differential Evolution,DE)算法的改进方案,并用于机器人的动力学参数辨识。首先,利用Newton-Euler方法建立含有关节摩擦特性的机器人动力学模型的线性形式,设计严格满足机器人运动条件的傅里叶级数作为运动轨迹,为提高辨识精度,建立机器人观测矩阵条件数的非线性约束模型来优化激励轨迹;其次,引入DE算法并对其进行优化以提高算法的全局搜索能力和开发能力;最后,以智昌川崎RS010N机器人为对象设计仿真实验,实现了机器人动力学参数的辨识,并对辨识结果与理论值进行了对比分析。结果表明,采用改进的差分进化算法,可以准确地辨识出机器人动力学参数,所建立的模型能够反映机器人的动力学特性。     

挖掘机器人动力学参数辨识研究

为了使挖掘机在作业速度和挖掘力上适应负载的特性,需要对挖掘机工作装置进行动力学分析.在采用拉格朗日方法确定了挖掘机器人工作装置动力学模型的情况下,动力学参数的精确辨识对实现实时控制显得尤为重要.利用遗传算法对参数辨识问题进行了探讨,给出了利用遗传算法对整个问题的求解设计思路,引入格雷码混合编码、可变精度的交叉和混合变异等思想,形成了改进的遗传算法.该算法收敛速度快,鲁棒性强,通过仿真和现场实验,验证了所提出的算法的有效性.     

双臂空间机器人系统动力学与关节运动的非线性反馈控制

利用拉格朗日方程建立了漂浮基双臂空间机器人系统的动力学方程,给出了载体位置、姿态均不受控制情况下,双臂空间机器人关节运动的非线性反馈控制规律.结果表明,在系统动力学模型及参数较精确确定情况下,本文提出的控制方案能够有效地控制双臂空间机器人系统完成关节空间的指定运动,而不需对其载体的位置、姿态进行主动控制.仿真计算结果证实了方法的有效性.     

机器人封闭动力学模型的递推组集方法

本文基于Ｊｏｕｒｄｉａｎ变分原理提出了一种建立机器人封闭式动力学模型的新递推算法，文中用旋转矩阵和相对位置矢量表示相邻杆件间的关系，建立了以关节变量为广义坐标的机器人显式动力学方程，并给出了建立动力学方程时有关运动学参数及其地广义坐标和广义速度偏导数的递推算法。     

自由漂浮双臂空间机器人关节空间轨迹跟踪的变结构滑模控制

利用多刚体系统动力学的方法对载体位置、姿态均不受控制的浮动基双臂空间机器人系统的运动学、动力学作了分析,并结合系统的动量守恒及动量矩守恒关系建立了系统的动力学方程.以此为基础,对双臂空间机器人关节追踪关节空间期望轨迹的控制问题作了研究.考虑到双臂空间机器人系统的结构复杂性及某些参数的变动性,根据具有较强鲁棒性的变结构滑模控制理论,设计了轨迹跟踪控制的变结构滑模控制方案.此控制方案的优点在于:在操作过程中不需要对双臂空间机器人载体的位置、姿态进行主动控制,因此将大大减少位置、姿态控制装置的燃料消耗.通过对该机器人系统的仿真计算,证实了文中提出的变结构滑模控制方案的有效性.     

基于双层自适应遗传算法的机器人参数辨识

激励轨迹的选取和优化是机器人动力学参数辨识的重要基础.为了提高机器人动力学参数的辨识精度,以SCARA机器人为研究对象,设计了基于双层自适应遗传算法的机器人激励轨迹优化方案.运用Newton-Euler法建立了机器人的动力学模型,并对机器人的动力学模型进行线性分离,得到了机器人的最小惯性参数集和对应的观测矩阵.分析机器...     

一个新的四维超混沌系统的参数识别研究

对一个四维超混沌系统的的参数辨识问题进行了研究.首先基于非线性动力学理论,利用超混沌吸引子,随不同参数变化的分岔图和Lyapunov指数谱准确地表征了系统的动力学行为.通过两种参数辨识方法,即基于观测器的参数辨识方法和基于自适应控制的参数辨识方法分别实现该系统的所有未知参数的辨识.数值仿真验证了理论分析和数值计算的正确性.     

基于腕力传感器的操作臂惯性参数在线识别

论文基于腕力传感器的输出信号探讨了一种在线识别机器人操作臂末端惯性参数的方法，该方法考虑到了腕力传感器接入对机器人系统动力学特性的影响，同时利用腕力传感器真实反映机器人系统力作用和力传递的特点，既能包括机器人关节特性的影响也可以避免理论辨识方法可能出现的“虚幼模型”的问题，该方法还可以用来辨识机器人操作未知工件或工具的惯性参数，这对经常更换操作对象的机器人的精确控制和动力学仿真是非常重要的。     

基于GA-SA算法的机器人几何参数误差辨识

几何参数误差对机器人末端绝对定位精度影响最大,而几何误差参数辨识是一个高维非线性问题,求解困难,所以建立一种简单高效的辨识算法是有必要的,本文提出了遗传模拟退火算法(GA-SA)对机器人几何参数误差辨识。以机器人末端位姿误差最小为目标,采用遗传模拟退火算法辨识机器人几何参数误差,以ABB IRB120为算例迭代1100次,遗传算法在200代陷入局部最优,模拟退火参与后最终适应度为0.0914。误差补偿结果表明：机器人末端位置误差沿X,Y,Z轴方向分别降低了88.05%,81.73%,83.72%,姿态误差分别降低了93.92%,83.64%,83.44%,证明遗传模拟退火算法可以有效辨识机器人几何参数误差,提高误差补偿后的机器人末端位姿精度。