机器人动力学参数辨识

最新推荐文章于 2025-03-18 17:26:21 发布

hello我是小菜鸡

最新推荐文章于 2025-03-18 17:26:21 发布

阅读量9.6k

点赞数 15

分类专栏：原理学习文章标签：控制器

本文链接：https://blog.youkuaiyun.com/qq_17032807/article/details/117331067

版权

本文探讨了串联机器人的动力学辨识目的，主要使用最小二乘法进行离线辨识，以提升运动控制性能和降低系统误差。介绍了机器人的动力学模型，包括关节位置、速度、加速度及各种力矩和扰动。辨识实验流程涉及激励信号选择、轨迹优化、数据预处理和最小二乘参数估计。文章还提到了预处理步骤，如滤波和差分，以减少噪声影响。最后，通过特定的优化模型和约束条件来优化轨迹参数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文为《串联机器人高性能运动控制方法研究_陈超》一文的笔记

一、辨识目的

（1）解决机器人非线性效应，提高运动控制性能；

（2）在普常用机器人PID控制中作为前馈控制降低系统误差；

二、主要分类

相比较而言，离线辨识中最小二乘法使用最广泛。

三、动力学模型

n连杆刚性机器人的动力学模型：

$M\left ( q \right ) \ddot{q} + C(q,\dot{q}) \dot{q} + G(q) + F_{f}\left ( \dot{q} \right ) = \tau + \tau_{d}$

其中，

$q = \begin{bmatrix} q_1 & q_2 & \cdots & q_{n} \end{bmatrix} \in \mathbb{R}^{n}$ 为关节位置， $\dot{q},\ddot{q} \in \mathbb{R}^{n}$ 为关节速度和加速度； $M(q) \in \mathbb{R}^{n \times n}$ 是对称正定惯量矩阵； $C(q,\dot{q})\dot{q} \in \mathbb{R}^{n}$ 表示离心力和科氏力； $G\left ( q \right ) \in \mathbb{R}^{n}$ 表示重力； $F_{f}\left ( \dot{q} \right ) \in \mathbb{R}^{n}$ 表示摩擦力； $\tau \in \mathbb{R}^{n}$ 表示关节输出力矩； $\tau_{d} \in \mathbb{R}^{n}$ 表示其它未建模的扰动。