基于迭代优化和神经网络补偿的超冗余机械臂半参数动力学模型辨识

作     者：周宇飞 李中灿 李毅 崔靖凯 贺顺锋 盛展翊 朱明超 ZHOU Yufei;LI Zhongcan;LI Yi;CUI Jingkai;HE Shunfeng;SHENG Zhanyi;ZHU Mingchao

作者机构：中国科学院长春光学精密机械与物理研究所吉林长春130033 中国科学院大学北京100049 宁夏大学机械工程学院宁夏银川750021 

基　　金：国家自然科学基金资助项目(No.62173047) 

出 版 物：《光学精密工程》 (Optics and Precision Engineering)

年 卷 期：2024年第32卷第2期

页      码：193-207页

摘      要：为了实现超冗余机械臂动力学模型的精确辨识,提出了一种基于迭代优化和神经网络补偿的半参数动力学模型辨识方法。首先,介绍了超冗余机械臂的动力学模型和最小参数集,建立了关节非线性摩擦模型,使用遗传算法优化回归矩阵条件数生成激励轨迹。然后建立了机械臂动力学模型物理可行性约束,基于迭代优化方法设计了两层循环网络对超冗余机械臂的惯性参数和关节摩擦模型进行辨识。最后,利用数据集训练BP神经网络,得到超冗余机械臂半参数动力学模型,并与多种算法进行了比较分析。实验结果表明:相较于传统的最小二乘算法和加权最小二乘算法,通过使用本文提出的辨识算法,关节辨识力矩残差均方根(Root Mean Square,RMS)之和分别提高了32.81%和23.76%,半参数动力学模型相比于全参数动力学模型力矩残差均方根之和提高了23.56%,辨识结果验证了辨识方法的有效性和优越性。

主 题 词：超冗余机械臂 动力学模型辨识 迭代优化 半参数动力学模型 

学科分类：0810[工学-土木类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.37188/OPE.20243202.0193

馆 藏 号：203126058...