考虑激发充分性的机械臂动力学最小参数集辨识

作     者：段辉义 李宗学 卢旭盛 郭志坚 DUAN Huiyi;LI Zongxue;LU Xusheng;GUO Zhijian

作者机构：内蒙古工业大学机械工程学院内蒙古呼和浩特010051 

出 版 物：《制造技术与机床》 (Manufacturing Technology & Machine Tool)

年 卷 期：2024年第5期

页      面：50-56页

学科分类：080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

基　　金：内蒙古自然科学基金(2021LHMS05008) 内蒙古工业大学创新创业训练计划(2023013003) 

主　　题：机械臂动力学 最小参数集 鲁棒粒子群算法 新型学习方式 矩阵条件数 

摘      要：在考虑粗大误差和随机误差情况下,为了提高机械臂系统动力学参数辨识的精确性和鲁棒性,文章提出了基于鲁棒粒子群算法的参数辨识方法,建立了机械臂动力学模型;筛选出了动力学最小参数集,用于消除动力学参数间的冗余性。为了实现参数充分激励,基于有穷傅里叶级数构造了激励轨迹,并以最小化矩阵条件数为目标实现了轨迹优化。为了提高参数辨识性能,在粒子群算法中引入了“向其他个体学习的新型学习方式;在适应度函数设计中加入了粗大误差剔除功能,有效提高了算法的抗干扰能力。经机械臂系统加噪实验验证,鲁棒粒子群算法优化的驱动力矩残差均值为1.1975N·m,比量子粒子群算法减少了75.29%;力矩实际值与计算值相关度为0.9593,比量子粒子群算法提高了11.73%。实验结果表明,鲁棒粒子群算法在机械臂动力学参数辨识中具有更高的精度和更强的鲁棒性。