基于神经网络的力矩补偿动力学参数辨识

作     者：张明路 王清 刘璇 李满宏 Zhang Minglu;Wang Qing;Liu Xuan;Li Manhong

作者机构：河北工业大学机械工程学院天津300130 

基　　金：国家重点研发计划资助项目(20022YFB4701102) 国家自然科学基金资助项目(U1913211) 河北省自然科学基金资助项目(F2021202062) 

出 版 物：《天津大学学报（自然科学与工程技术版）》 (Journal of Tianjin University：Science and Technology)

年 卷 期：2024年第57卷第7期

页      码：759-767页

摘      要：针对机械臂刚柔耦合动力学模型拟合精度不高的问题,在分析动力学参数对各关节力矩影响的基础上,提出了一种基于神经网络力矩补偿的动力学参数辨识方法.首先,对动力学模型进行线性化分析,得到最小惯性参数集,设计机械臂激励轨迹,并采集各关节数据集.其次,搭建神经网络架构,对不同隐藏层数的神经网络模型的训练效果比较,证明了本文模型的准确性.将关节位置、速度、加速度数据集作为网络架构输入,经过神经网络学习后提取出各关节力矩.最后,对算法辨识出来的模型进行验证,以模型预测力矩的均方根误差为评判标准,关节拟合力矩结果表明,本文所用方法相较刚体逆动力学有更好的拟合精度,减少了关节摩擦等非线性因素对辨识实验的影响,得到更精准的动力学模型,对机械臂系统有更好的控制效果.

主 题 词：机械臂 神经网络 参数辨识 力矩拟合 

学科分类：080202[080202] 08[工学] 0804[工学-材料学] 0802[工学-机械学] 

核心收录：

D　O　I：10.11784/tdxbz202212029

馆 藏 号：203128461...