基于非线性摩擦力模型和WLS-CS算法的机器人动力学参数辨识

为了实现对工业机器人的高精度控制,需要一个高精度的动力学模型,因此要对动力学参数进行精准辨识。提出一种基于非线性摩擦力模型和加权最小二乘法与布谷鸟算法(WLS-CS)结合的动力学参数辨识方法。首先通过Newton-Euler法进行机器人的动力学建模,结合非线性摩擦力模型,完成机器人全动力学模型的建模。设计5阶有限项傅里叶级数作为激励轨迹,并优化激励轨迹参数。使用加权最小二乘法对动力学参数进行初步辨识。辨识结果作为布谷鸟算法的初始解范围,结合Levy飞行与巢穴的优胜劣汰机制,寻找到动力学参数辨识的全局最优解。更换轨迹对机器人全动力学模型进行验证,计算机器人的仿真力矩,并与实验力矩反馈值进行对比。结果表明上述方法辨识的动力学参数辨识精度的残差方根(RMS)值下降8.6%,可以建立精确度较高的动力学模型。

不确定转子系统动力学降阶模型构建与模型散度参数辨识

在航空、航天、船舶等领域的实际工程转子系统中,广泛存在高维复杂的非线性系统。在航空发动机转子系统、燃气轮机转子系统等重点研究领域,通常还难以对高维复杂非线性系统进行直接的数据处理和分析统计。针对不确定性转子系统的模型维度较高等问题,提出了一种模型不确定性动力学降阶计算模型构建和模型散度参数辨识方法。首先,根据确定性动力学模型和静态矩阵降阶方法,完善了确定性动力学降阶模型;然后,基于随机矩阵理论和非参数动力学建模方法,提出了不确定性动力学降阶模型;最后,利用系统确定性模型的一阶临界转速、振型和实验数据,对不确定性动力学模型的散度参数进行了辨识;为了验证散度参数辨识方法的有效性,笔者又在转子实验平台上进行了实验验证。研究结果表明:实验结果与降阶之后振动响应均值的差异性较小,且与不确定性动力学模型相差不超过10%,表明所采用的理论模型在描述转子系统行为方面具备了较高的准确性和可靠性,该模型可以为深入研究模型不确定性转子系统提供参考。

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。

螺栓联接梁动力学模型及其参数辨识方法

针对处于悬臂态的螺栓联接梁,采用线性弯曲刚度和立方刚度等参数来表征该系统联接部位的非线性特性,结合边界条件和联接部位的连续性条件,建立其二自由度非线性动力学模型。采用多尺度法对该系统进行求解,获得其非线性频率响应函数。在非线性解的基础上,推导出系统的线性和非线性参数的表达式。以某悬臂螺栓联接梁为例,实测不同预紧力矩下的固有特性和响应特性,进而辨识出不同预紧力矩下该系统的线性和非线性参数。结果表明:本文提出的螺栓联接梁二自由度非线性模型以及相应的参数辨识方法具有合理性,螺栓联接梁具有典型的软式非线性特性。

基于OFRBF-Elman网络的UUV动力学模型辨识

水下无人航行器(UUV)是具有较强非线性的复杂动态系统,而神经网络具有理论上逼近任意非线性的能力;为了提高UUV的动力学模型精度,运用了基于输出反馈的RBF-Elman(OFRBF-Elman)神经网络的系统辨识方法,即对Elman神经网络进行改进,将网络输出进行延时反馈,作为输入与隐层进行联接;将径向基函数作为隐层节点的激活函数,并以线性最小二乘法调整隐层到输出层的连接权值;然后,将该方法应用于UUV空间六自由度的动力学模型辨识中;最后,通过仿真证明了该网络结构的辨识算法具有很好的逼近能力和快速的训练速度。

恒流开式液体静压支承动力学建模及参数辨识方法

针对现有恒流开式液体静压支承线性动力学模型计算偏差较大问题,建立了液体静压支承的非线性动力学模型。基于液体静压支承振动响应,提出应用Fourier级数方法和最小二乘联合方法,识别该非线性动力学模型中的刚度与阻尼。同时,设计了多种阶跃激励作用下的实验工况,应用研制的实验平台,获取了各种工况条件的振动响应。结合液体静压支承的非线性动力学模型和提出的参数辨识方法,得到了液体静压支承的刚度、阻尼参数。在此基础上,对比识别的动力学参数计算的位移响应与实验值,发现理论值与实验值的决定系数都在0.97以上,从而验证了建立的非线性动力学和参数辨识方法的有效性。

基于数据驱动的新冠病毒动力学传播的建模与预测

传统的传染病动力学建模方法通常在预先假设病毒传播机制的基础上基于仓室模型以微分方程的形式进行建模,基于此提出一个基于数据驱动的传染病传播动力学建模方法,为非线性动力学模型的稀疏辨识方法。利用稀疏回归和参数辨识从大量潜在动力学模型中准确发现控制方程,用以模拟2019年末新型冠状病毒在湖北武汉的动力学传播过程。方法的优点一是从数据中发现非线性动力学,且无需假设控制方程的形式;二是该方法能够有效地平衡模型复杂度和准确度。实验结果表明模型能够很好地刻画新型冠状病毒在武汉的传播,也证明了模型的具有一定的实用性,并可推广到相关疫情的预测中。

微生物批式流加发酵非线性系统及其参数辨识

为研究微生物批式流加发酵生产1,3-丙二醇的动力学模型.采用分阶段描述的方法,考虑细胞内甘油、3羟基丙醛、1,3丙二醇的浓度变化,将整个批式流加发酵过程分成若干个间歇和连续流加的阶段.在连续流加阶段,将流加速度看成是随时间变化的函数,依此改进非线性动力系统,分析系统的性质.最后建立参数辨识模型,利用粒子群算法求解.数值计算结果表明:改进后的模型的平均相对误差比现有文献降低3%~5%.这说明改进后的非线性多阶段动力系统比较适合描述微生物批式流加发酵过程.

汽车侧面碰撞模型的非线性动力学参数辨识

为了在汽车侧面碰撞动力学系统模型中，获得一些无法通过试验方法直接获得的未知系统特性参数，采用了参数辨识技术，它是根据动力学系统在特定的载荷作用下的输出响应，确定动力学模型中的未知特性参数；介绍了一种基于卡尔曼滤波法的非线性动力学参数的辨识方法，并将其应用于汽车侧面碰撞模型的参数辨识中。利用辨识出的模型参数计算出模型的输出响应，该响应与仿真试验数据吻合良好，表明该方法是非线性动力学参数辨识的有效手段。

MSCMG框架伺服系统非线性摩擦力矩建模与实验研究

在磁悬浮控制力矩陀螺(MSCMG)中,由于陀螺耦合力矩的影响,使得陀螺框架系统的摩擦力矩随着陀螺输出力矩和框架角位置的不同而发生变化,为了实现控制力矩陀螺输出力矩的高精度控制,需要对摩擦力矩进行精确建模。对控制力矩陀螺框架系统进行了动力学研究,分析了摩擦力矩随陀螺输出力矩和框架角位置的变化机理和变化规律,并据此建立了磁悬浮控制力矩陀螺框架系统的非线性摩擦力矩模型和非线性动力学模型。用实验数据对非线性动力学模型参数进行了最优最小二乘辨识,并用所得到的模型进行实际数据分析和仿真研究,仿真结果与实际实验数据非常吻合,验证了所建立模型的正确性和有效性。

基于SPPSO算法的时滞HBV模型的系统辨识研究

系统辨识是现代控制理论中的一个很活跃的分支。目前的系统辨识多采用二次规划等解析算法,不足之处在于可辨识的参数少、收敛慢、对参数的初值依赖大。随着智能控制领域研究的不断发展,非线性程度也就越来越高,一些经典的方法很难满足需要。而小种群粒子群算法(SPPSO)作为一种全局优化算法,易于实现,且收敛速度快,计算效率高,在处理数据量较大的大规模种群问题时可大大降低时间和资源的开销,因此在系统辨识特别是高度非线性、时滞系统中更具有意义。而这类复杂的系统在医学系统中具有典型性。所以将该算法用于求解时滞的乙型肝炎动力学模型有很好的研究价值和实用价值。

高速列车纵向动力学模型时变参数在线辨识方法

针对高速列车纵向动力学特性,分析了牵引力、制动力、阻力与速度和加速度的关系;考虑了天气和线路对高速列车运行状态造成的随机干扰,以及机械磨损和运行环境对列车模型结构参数造成的随机影响,建立了噪声干扰下的高速列车纵向动力学参数化状态空间模型,利用期望极大化准则,计算了列车模型参数的条件数学期望,并结合粒子滤波理论估计了参数粒子下的列车状态;基于贝叶斯后验概率理论,建立了高速列车非线性动力学模型的时变参数辨识方法,估计了列车的实时状态,并在噪声与参数分布均属于高斯分布、噪声属于高斯分布与参数属于指数分布、噪声属于伽玛分布与参数属于高斯分布的3种工况下,进行了蒙特卡洛仿真试验。仿真结果表明:在3种工况下,高速列车位移和速度的估计值与真实值的相对误差小于5%,列车模型参数估计值与真实值的相对误差小于10%,满足实际系统需求,因此,在高斯或伽玛噪声的干扰下,针对给定概率分布的时变参数,本方法均能实现系统状态的估计和模型参数的辨识。

无人拖轮非线性模型预测控制算法仿真与实测

为了提高无人船的轨迹跟踪精度,以带艏侧推的全驱动无人拖轮船模为研究对象,提出了基于稀疏回归的参数辨识方法与基于非线性模型预测控制(NMPC)的轨迹跟踪算法。采用基于稀疏回归的动态系统辨识方法,根据简化动力学模型,通过对自航试验采集的姿态与推进器时历数据进行顺序阈值最小二乘法回归,迭代求解得到模型参数。针对带系统动力学约束的时间参数化轨迹跟踪控制问题,采用acados求解器实现在线高效求解非线性最优控制问题。通过自航试验完成了无人拖轮非线性动力学模型参数的高效辨识与建模,基于得到的系统模型,Acados求解器可以根据当前系统状态和轨迹参考值快速得出最优的推进器控制指令。经过仿真和实船试验,验证了所提出基于NMPC的轨迹跟踪算法具有较高的控制精度和鲁棒性。

高速列车自动驾驶非线性广义预测控制方法及应用研究

针对高速列车运行过程中具有的强非线性、运行参数时变等问题设计列车自动驾驶的非线性广义预测控制方法。首先采用双线性变换将列车动力学模型离散化为线线模型,将非线性空气阻力描述为未建模动态项,线性模型和未建模动态项组合成集成模型;根据高速列车线路实际运行数据,采用递推辨识算法更新模型中因列车运行环境变化而时变的运行参数,利用极限学习机神经网络估计未建模动态项,建立列车运行过程模型。基于高速列车集成模型,设计以运行速度跟踪为主要控制目标的列车非线性广义预测控制方法。非线性广义预测控制器中,反馈控制器用来控制输出跟踪参考输入,补偿器用来消除未建模动态项对闭环系统的影响,保证列车的速度跟踪精度。仿真结果表明集成模型输出与实际输出的均方根误差为0.1653 km/h,小于线性模型的均方根误差1.454 km/h;并通过与多模型广义预测控制方法的比较显示本文的控制方法跟踪误差更小;所提出算法较BP神经网络方法更加快速。

运动状态下机器人关节面物理参数在线模糊辨识方法

利用模糊自动推理方法,提出了一种辨识运动状态下机器人关节面时变物理参数的方法.该方法是在原有模糊聚类法的基础上,推导出的在线自适应模糊推理算法,可应用在时变非线性系统参数在线辨识中.以三自由度单臂机器人为研究对象,建立了机器人运动状态下的动力学模型,利用该自适应模糊推理算法在线辨识此动力学模型中的机器人关节面时变物理参数.由于该方法采用局部估计算法,实验结果表明,该方法具有工程实用价值.

基于在线强化学习的风电系统自适应负荷频率控制

大规模风电接入给系统带来新的不确定性,影响系统频率响应特性,从数据驱动的角度出发,提出了一种基于自适应动态模型的在线强化学习方法,用于系统的负荷频率控制。建立低秩自编码器特征提取网络,从所量测的低维数据中发现隐藏特征;基于特征网络,建立非线性动态系统稀疏辨识学习模型,感知系统动态模型的潜在物理状态,提升模型在线学习效率;通过结合模型预测控制,进行实时决策控制。所提出方法能够有效解决传统模型预测控制对系统全局模型准确性的依赖问题,加强控制器对系统动态模型的自适应性,且能有效跟踪风电输出功率的随机波动。最后,以接入四型风机的负荷频率控制模型为例,验证所提方法的有效性。

未知时变环境下机器人自校正阻抗控制研究

针对未知、时变环境下机器人力位控制需求,基于非线性接触动力学模型进行了阻抗控制的位置自校正修正算法研究。通过建立基于Hunt-Crossley非线性接触动力学模型的阻抗控制系统,构建了在刚性或柔顺作业环境下机器人末端位置与接触力之间的动态关系;在自校正控制系统中引入自扰动递推最小二乘辨识算法,以接触力误差最小为设计指标,设计了阻抗控制的位置自校正修正算法,在预测控制同时进行接触动力学参数在线跟踪辨识,解决了在材料力学特性未知或存在时变的环境下,力跟踪的实时性和准确性问题;仿真实验模拟了环境力学特性参数事先未知且在不同作业区域间存在差异的应用场景,结果表明,该算法能够实时进行阻抗控制的自适应位置调整,保证了力位跟踪控制的快速响应性和收敛性,稳态力跟踪误差控制在2%以内,环境力学特性发生变化时的控制调整时间仅约7个采样周期,相较对比算法减少约70%。

通用技术与设备

Y2000-62000-610 0010677线性系统1(含6篇文章)=Linear systems Ⅰ[会,英]//1998 37th IEEE Conference on Decision and Con-trol,Vol.1 of 4.—610—625(NiG)本部分收录6篇论文。内容包括一类无限系统的Hankel 奇异值和矢量,具有白噪声和未建模动力学模型频域辨识,μ马尔可夫参数化最小二乘辨识。