【技术实现步骤摘要】
本专利技术涉及机器人自动控制，尤其涉及基于免加速度递归滤波回归的机器人动力学参数估计方法。
技术介绍
1、机器人通常是一个高自由度、强非线性和高耦合的复杂系统。机器人的动力学模型参数很难通过物理测量或cad模型计算精确获取，并且仅部分动力学模型参数所组成的线性组合具有可辨识性，这些线性组合构成的集合称为最小参数集。此外，机器人的动力学参数在环境中会发生改变，比如由于设备老化而产生缓慢参数时变，以及由于负载改变而造成机器人整体的动力学参数改变。
2、对于低自由度的机器人(如平面二连杆机械臂)，其最小参数集形式的线性参数化模型容易由人工推导，其滤波回归矩阵的获取可以通过将普通回归矩阵中的滤波加速度项改写成速度的滤波求导形式，从而避免加速度信号的使用。然而对于高自由度的机器人，最小参数集形式的回归矩阵的解析表达式项数很多导致难以人工推导，故其滤波回归矩阵也难以通过与低自由度的机器人类似的方式获取。
3、此外，在进行机器人参数估计时，参数收敛需要回归矩阵φ(τ)∈rn×n满足一定的激励条件，其中持续激励条件定义为：对于任...
【技术保护点】
1.基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，包括：
2.根据权利要求1所述的基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，所述根据空间向量表示法构建机器人运动学模型，包括：
3.根据权利要求1所述的基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，所述基于所述机器人运动学模型构建第一机器人动力学模型，并对所述机器人动力学模型进行线性参数化处理，得到第二机器人动力学模型，包括：
4.根据权利要求1所述的基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，所述将所述第二...
【技术特征摘要】
1.基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，包括：
2.根据权利要求1所述的基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，所述根据空间向量表示法构建机器人运动学模型，包括：
3.根据权利要求1所述的基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，所述基于所述机器人运动学模型构建第一机器人动力学模型，并对所述机器人动力学模型进行线性参数化处理，得到第二机器人动力学模型，包括：
4.根据权利要求1所述的基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，所述将所述第二机器人动力学模型转化为最小参数集形式，得到第一计算结果，包括：
5.根据权利要求1所述的基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，所述对所述第一计算结果和一阶低通滤波器的冲激响应进行卷积处...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。