基于人工神经网络的动力学参数辨识法

针对传统最小二乘法辨识动力学模型精度不高的问题,结合深度学习方法,提出了一种基于人工神经网络的动力学参数辨识方法。使用线型整流单元(ReLU)作为神经网络的激活函数,使用RMSProp算法对神经网络权值进行迭代,使用Dropout方法防止过拟合。采用有限项傅里叶级数轨迹作为激励轨迹,对采集到的数据进行标准化处理及滤波处理。最后,对算法得到的模型进行比较验证。结果表明,本文提出的方法相对于传统方法有较高的精度,不需要对摩擦力进行建模,能够更好地应用于机器人模型控制系统。