摘要：机器人关节非线性摩擦的准确描述对提高机器人轨迹精度、定位精度及其可靠性等具有重要理论意义和科学价值.然而,机器人关节通常包含电机、减速器、驱动器和传感器,是一个复杂的机电耦合系统,随服役时间及工况的变化,机器人关节的摩擦参数也存在显著时变效应,难以准确描述,造成轨迹精度下降,为机器人后期精度维护造成巨大困难.因此,本文定量评价了摩擦参数对机器人输出力矩的影响,提出考虑时变效应的机器人关节非线性摩擦参数反求方法.首先,建立机器人关节一般非线性摩擦模型.设计机器人关节恒速跟踪实验,通过卡尔曼滤波对实验采集的数据进行处理,进而建立关节速度和驱动电机电流之间的关系,完成关节一般非线性摩擦模型建立.其次,择取非线性摩擦模型关键参数.建立包含非线性摩擦的机器人动力学模型,基于激励轨迹计算各关节力矩,并对其开展灵敏度分析,择取对关节力矩灵敏性较高的摩擦参数.再次,建立关节输出力矩和摩擦参数一一对应的数据集.基于实际工况构建摩擦参数取值空间,采用最优拉丁超立方法对摩擦参数采样,并将其代入机器人动力学模型计算出相应的力矩,从而求得关节输出力矩和摩擦参数一一对应的数据集.最后,建立反问题神经网络并对其进行训练,实现非线性摩擦模型关键参数反求,并进行验证.研究结果表明关节非线性摩擦的准确描述减小了机器人低速运动换向时摩擦力矩突变对机器人轨迹的影响,显著提升了机器人轨迹精度.