柔性边界约束细长件车削动力学辨识与稳定性分析

考虑到边界条件的影响,并且为了进一步提升辨识精度和计算效率,提出一种基于柔性边界约束细长件车削动力学辨识与稳定性分析方法。建立具有柔性边界约束的细长工件模型,以提高车削稳定性的预测精度。在该模型中,将刀具和零件的二维柔度以及刀尖半径的影响纳入动态力建模中,根据连续介质理论计算卡盘-工件-尾架动力系统中细长工件的动力学特性,然后通过最小化特征参数的实验值和仿真值之间的偏差来确定最佳连接刚度。进行了实验验证,结果表明所提出的方法显著提高了转向的预测精度以及稳定性极限。

基于快速动力学辨识的免外部传感器机器人碰撞检测

针对人机协作时机器人极有可能与人发生碰撞所导致的安全问题,提出一种基于动力学模型、无需要外部传感器的机器人碰撞检测方案.首先,根据对机器人低速下的动力学特性分析,采用逐次动力学辨识,在对机器人重力及摩擦力使用最小二乘法辨识后,运用Lasso对复杂的残余力矩进行辨识以获得简化模型,避免了复杂符号推导.然后,针对模型的不确定性,根据优化设计运动状态相关的动态阈值来处理残差的异常峰值.最后,以轻型工业机械臂为实验平台,让机器人执行作业轨迹与人类发生碰撞以验证碰撞检测算法.实验结果证明了碰撞检测方法的可行性和简单性,其能够实现对机器人快速动力学辨识,并可以实现灵敏准确碰撞检测,保证人机协作时操作人员的安全.

工业机器人动力学参数的改进遗传算法辨识

为了准确辨识出六自由度工业机器人的动力学参数,提出一种基于改进遗传算法的参数辨识方法。构建牛顿-欧拉机器人动力学模型,明确反映各关节力矩与动力学参数的函数关系;通过改进遗传算法获取优化激励轨迹,并对机器人进行动力学参数的整体辨识,减少关节间耦合作用影响,避免多次识别实验环境不一致而产生的误差。最后采用最小二乘法计算机器人的动力学参数,解决因初始值选择不合理而导致辨识精度受限的问题。实验结果表明:此方法得到的最优激励轨迹能够满足约束条件,缩短优化时间,有效提高动态参数辨识的准确性和有效性。

基于迭代优化和神经网络补偿的超冗余机械臂半参数动力学模型辨识

为了实现超冗余机械臂动力学模型的精确辨识,提出了一种基于迭代优化和神经网络补偿的半参数动力学模型辨识方法。首先,介绍了超冗余机械臂的动力学模型和最小参数集,建立了关节非线性摩擦模型,使用遗传算法优化回归矩阵条件数生成激励轨迹。然后建立了机械臂动力学模型物理可行性约束,基于迭代优化方法设计了两层循环网络对超冗余机械臂的惯性参数和关节摩擦模型进行辨识。最后,利用数据集训练BP神经网络,得到超冗余机械臂半参数动力学模型,并与多种算法进行了比较分析。实验结果表明:相较于传统的最小二乘算法和加权最小二乘算法,通过使用本文提出的辨识算法,关节辨识力矩残差均方根(Root Mean Square,RMS)之和分别提高了32.81%和23.76%,半参数动力学模型相比于全参数动力学模型力矩残差均方根之和提高了23.56%,辨识结果验证了辨识方法的有效性和优越性。

基于混沌粒子群算法的机器人动力学参数辨识

文中提出了一种改进的混沌粒子群算法以优化机器人的激励轨迹,提高动力学参数辨识精度。首先,构建简化的SCARA机器人的动力学模型,选用改进的傅里叶级数作为激励轨迹并建立其优化目标和约束条件的数学模型;其次,在粒子群算法中引入动态控制参数策略和混沌搜索增强机制以优化调整算法参数和早熟粒子;最后,评估改进算法的寻优效果并利用其优化机器人的激励轨迹,进行基于神经网络的动力学参数辨识。仿真结果表明,所求的激励轨迹曲线平滑,机器人动力学参数辨识精度较高。

机械臂动力学参数的单纯形引导蝴蝶算法辨识

为了提高机械臂动力学参数的辨识精度,提出了基于单纯形引导蝴蝶算法的辨识方法。建立了机械臂动力学模型和参数辨识模型,分析了参数的可辨识性,并设计了最优激励轨迹。以蝴蝶优化算法为基础,提出了单纯形引导陷入局部最优蝴蝶的脱困方法,在脱困的同时蝴蝶适应度也得到了提高;设计了全局搜索与局部开发的动态切换概率,用于平衡算法的全局搜索能力和局部开发能力。综合以上两点改进,提出了单纯形引导蝴蝶算法的参数辨识方法。经RS010N机械臂的参数辨识实验可以看出,单纯形引导蝴蝶算法的搜索速度略快于蝴蝶算法,同时单纯形引导蝴蝶算法的参数辨识精度远高于蝴蝶算法,证明了改进策略的合理性和单纯形引导蝴蝶算法在参数辨识中的有效性。

林木果球采收机械臂动力学参数辨识及补偿

由于林木果球采收机械臂的工作场景复杂,对机械臂控制精准度的要求越来越高,研究机械臂动力学模型对其控制精度的影响非常重要。为提升机械臂的控制精度,提出一种在优化后的激励轨迹下基于最小二乘法和高斯混合模型(GMM)的3次迭代整体参数辨识方法。该方法以6自由度机械臂构型为例,通过建立动力学模型及QR(正交三角)分解得到最小参数集;通过轨迹优化算法得到激励轨迹的优化参数,进而得到优化的激励轨迹;得到轨迹后,依次对关节力矩采用迭代加权最小二乘法进行理论辨识,构建区分关节高、低速的非线性模型对机械臂非线性摩擦力进行拟合,用GMM算法来补偿无法精确建模的不确定力矩分量。在COMAN R5机械臂上进行试验测试,结果表明,所提出的轨迹参数优化方法将条件数从329减少到193,力矩残差的平均均方根从9.53降低到6.14,从而证明激励轨迹和辨识方案的可行性和有效性。

基于改进遗传算法辨识空间机器人动力学参数

为了减小空间机器人动力学参数的误差,提高轨迹规划精度,根据空间机器人的角动量守恒方程,利用名义动力学参数估计角动量与真实角动量的差异,建立动力学参数辨识的误差模型,给出遗传算法的适应度函数.针对常规遗传算法容易出现"早熟"现象,采用小区间生成法、大变异策略和精英保留策略对其进行了改进.以六关节空间机器人为例进行的仿真结果表明,在参数复杂的情况下,采用改进后的遗传算法,计算效率和辨识精度均得到了提高。

3关节单杠体操机器人的动力学参数辨识

在采用拉格朗日方法确定了3关节单杠体操机器人动力学模型结构的情况下,动力学参数的精确辨识对机器人实时控制的实现显得十分重要.为实现对体操机器人多个动力学参数的精确辨识,在传统的遗传算法中,通过引入混合编码、海明距离、可变精度的交叉操作、正交试验设计、动态编码和反馈式突变等思想,再加上特殊设计的适应度函数,形成了一种改进的遗传算法.该算法在统计上更加合理,鲁棒性更强,更容易搜索到接近全局最优的可行解.通过体操机器人各个关节自由运动实验与模型数值仿真实验数据的实际比较,验证了所提出改进遗传算法的有效性,实现了3关节单杠体操机器人模型更为优化的动力学参数辨识.

球面二自由度冗余驱动并联机器人系统动力学参数辨识及控制

以伺服电机驱动的球面2-DOF冗余驱动并联机器人为研究对象,首先,建立了机构惯性参数辨识模型,并规划了惯性参数辨识轨迹;其次,建立了机构运动副摩擦参数辨识模型和驱动系统的摩擦参数辨识模型,分别分析了二者的辨识原理,并规划了摩擦参数辨识轨迹;再次,通过辨识实验得到了机构惯性参数、机构转动副摩擦参数和驱动系统摩擦参数的辨识结果,利用辨识结果对原机构参数进行修正,获得了更为准确的机器人系统动力学模型,并通过轨迹测试实验,对辨识结果进行了验证;最后,制定了基于机器人系统动力学模型的前馈控制策略,与传统的机构运动学闭环控制策略进行实验对比,验证了该控制策略的可行性。

一种新型并联动力头动力学参数辨识方法研究

以一种一平动两转动自由度的新型三坐标并联动力头为对象,研究这类系统的动力学参数辨识方法。在运动学和刚体动力学分析的基础上,提出一种通过在运动构件上设置特征点构造适合参数辨识的动力学模型。根据不同工况下负载力矩的特点,提出一种具有分层递阶格式的动力学参数辨识策略。该策略可通过选择适当轨迹,有效消除或抵消库仑摩擦力矩的影响,进而可有效提高运动构件的动力学参数。通过不同工况下的试验验证了所提出辨识策略的正确性和有效性。

空间机器人抓捕目标后动力学参数辨识研究

针对自由漂浮空间机器人抓捕目标后的动力学参数辨识问题,提出一种参数辨识的持续激励轨迹设计方法。首先,基于动量守恒原理建立了自由漂浮空间机器人的动力学参数辨识模型;然后,采用有限傅里叶级数对空间机器人的机械臂关节运动轨迹进行参数化表示,并以参数辨识回归矩阵条件数最小化为指标,通过求解一个包含多约束的非线性优化问题得到傅里叶级数的待定系数;最后,采用基于QR分解的递推最小二乘估计方法实现对采样数据的序贯处理,并求解出待辨识参数。仿真结果表明,提出的激励轨迹设计方法可以显著提高空间机器人参数辨识的收敛速度和准确性。

基于牛顿欧拉法的SCARA机器人动力学参数辨识

SCARA机器人在工业生产中得到了广泛应用.为满足高速、高精度的要求,必须对SCARA机器人进行动力学分析.文中用牛顿欧拉方法对SCARA机器人进行动力学建模,并将摩擦力以及电机转子对关节力矩的影响纳入动力学模型,得出了关节力矩关于一组可辨识参数集的线性表达式.采用傅里叶级数作为激励轨迹进行实验,并通过最小二乘法对得出的可辨识动力学参数集进行辨识.实验证明,通过推导的线性表达式计算出的关节力矩理论值与实际值的变化趋势一致.运用所提方法辨识的动力学参数进行动力学建模,能得到SCARA机器人运动时的关节力矩,可为后期的动力学控制提供基础计算公式.

一种基于遗传算法的动力学系统辨识方法

把遗传算法与最大似然法相结合 ,形成了一种基于遗传算法的动力学系统辨识方法 ,并以某轴对称战术导弹的非线性气动力参数仿真辨识为例 ,利用仿真技术 ,检验了该方法的实用性和有效性。结果表明 。

3自由度飞行模拟运动平台的动力学及参数辨识研究

以一种具有一平动两转动自由度的新型并联飞行模拟运动平台为对象,研究其满足飞行动感模拟要求的动力学建模及参数辨识的方法。根据平台的结构特点对平台进行运动学分析,在此基础上采用拉格朗日法建立平台的动力学模型。研究动力学模型的简化方法,该方法采用次对角线消去法简化动力学模型中的速度系数矩阵和惯量矩阵,保证动力学模型准确性的同时提高其计算速度。研究平台动力学参数的分步辨识策略,该策略通过选择适当的运动轨迹分两步辨识平台的动力学参数,采用最小二乘法计算出待辨识参数并代替理论模型中的参数,以提高动力学模型的精确性。最后通过MATLAB和ADAMS仿真对比验证动力学建模方法及参数辨识策略的正确性和有效性。

3-RRR并联机构动力学参数辨识模型

根据运动学模型,推导了3-RRR并联机构的雅可比矩阵。在每一个运动构件上选择一个适当的关键点,从而使运动构件的偏角速度矩阵和关键点的偏速度矩阵中不包含基本动力学参数。相对于这些关键点,计算出每一个运动构件的惯性力和力矩。基于虚功原理,从惯性力和力矩中提取基本动力学参数,推导出3-RRR并联机构动力学参数辨识模型。

机械臂动力学参数的多变异策略花授粉算法辨识

为了准确辨识出机械臂动力学参数,提出了多变异策略花授粉算法的参数辨识方法。分析了PUMA560机械臂结构和工作原理,使用改进的牛顿-欧拉方程建立了驱动力矩与动力学参数的函数关系。以驱动力矩反算值与实际值的误差最小为目标,建立了动力学参数优化模型。从原理层面分析了花授粉算法在迭代后期进化能力弱、易陷入局部最优的原因,提出了带随机机制的定向变异策略和均匀变异策略,将两种变异策略融入到花授粉算法中,得到了多变异策略花授粉算法。使用多变异策略花授粉求解优化模型,经实验验证,从辨识精度、力矩反算值与实际值相关性等两个角度讲,多变异策略花授粉算法的辨识结果远优于花授粉算法,证明了多变异策略花授粉算法在参数辨识中的有效性。

一种改进的机器人动力学参数辨识方法

机器人动力学模型是机器人相关研究的基础,而动力学参数辨识是获得动力学模型的有效途径之一.针对机器人动力学参数的辨识问题,提出了由外关节向内关节逐一辨识的方法.并以傅里叶级数作为激励轨迹的基本函数形式,设计了关节激励轨迹.然后利用粒子群优化方法 PSO(Particle Swarm Optimization),以最小化辨识系数矩阵的条件数为目标函数,优化设计了激励轨迹,以提高辨识过程中的抗干扰能力.最后在Simulink中借助SimMechanics模块仿真验证了文中方法的有效性,同时也验证了文中的激励轨迹优化方法可增强辨识过程的抗干扰能力,提高辨识精度.

基于递推最小二乘法的SCARA机器人动力学参数辨识研究

为了提高SCARA机器人在工业场合中的工作精度,对其动力学模型进行分析是有效途径之一。建立机器人拉格朗日动力学方程并进行线性化处理,得到一组关节力矩和待辨识参数的线性表达式。选取有限项傅里叶级数作为激励轨迹模型,并使机器人启停时关节角速度和角加速度为零,确保机器人运行平稳。再将线性表达式中观测矩阵的条件数作为优化指标,并结合MATLAB优化工具箱,获得关节最优激励轨迹系数。最后通过递推最小二乘法获得待辨识参数,并代入关节力矩表达式中,并与实际采集力矩值进行比较,确定两者变化趋势。结果表明:实验能够获得较为理想的效果,经过辨识计算所得关节力矩可用作相关领域的动力学控制。

基于灵敏度分析的翼伞系统动力学参数辨识

翼伞系统动力学参数在飞行过程中具有强非线性特点,很难构建精确的动力学模型,导致操稳特性分析和控制律设计具有很大难度。文章在翼伞系统六自由度动力学模型的基础上,采用Sobol灵敏度分析的方法,筛选出能够对翼伞系统动力学特性进行有效分析的主要动力学参数,然后,利用衰减记忆递推最小二乘法在线辨识这些动力学参数,通过对每个数据进行指数加权,减小前期扰动对辨识结果的影响。仿真结果表明,文章研究的方法具有较好的辨识结果。