基于混沌PSO的SCARA机器人参数辨识

该文基于Denavit-Hartenberg参数方法和Lagrange方程分别建立了平面关节型SCARA机器人的运动学模型和动力学模型。将机器人的动力学模型用观测矩阵和待辨识参数矩阵表述。在优化了激励轨迹的前提下,采用一种基于混沌粒子群(CPSO)的参数辨识算法,辨识动力学模型中的待辨识参数,利用混沌特性来提高种群的多样性和粒子搜索的遍历性,从而提高了参数的辨识精度和收敛速度。通过Matlab仿真实验,表明与传统最小二乘和基本PSO方法相比,该方法具有明显的有效性。