基于相位超前补偿的TCN神经网络柔性关节的复杂迟滞建模研究

针对轻型工业机器人柔性关节的复杂迟滞特性建模问题,基于电机驱动电流与扭转角之间关系,描述关节的迟滞特性,提出了一个基于相位超前补偿的机器人柔性关节改进TCN(temporal convolutional network)迟滞模型。在通过卡尔曼滤波还原剔除噪声干扰后的关节迟滞特性数据基础上,主要研究设计一种改进TCN迟滞模型,在模型各分支引入不同因子的扩张卷积,解决了TCN神经网络迟滞模型在极值点存在较大误差问题;针对改进TCN迟滞模型依然存在由相位滞后引起的误差,设计相位超前环节与TCN神经网络模型串联,构造一个基于相位超前补偿的改进TCN神经网络迟滞模型,进一步提高了迟滞模型精度。与改进TCN迟滞模型及典型PI迟滞模型相比,实验结果验证了所提出的机器人关节迟滞模型,具有较高精度。