【技术实现步骤摘要】
本专利技术涉及了一种机器人动力学参数辨识方法，具体为一种基于iabc-ann神经网络的测量机器人动力学参数辨识方法，涉及在工件测量、智能制造装备、工业生产等领域所广泛使用的多自由度串联工业机器人，准确的动力学参数能够对机器人进行更高精度的控制。
技术介绍
1、当前，在众多行业，对于工件的测量精度有着很高的要求，由于气动测量的方式具有非接触、结构简单、操作方便等特点，因此广泛应用于机械制造以及汽车制造等生产领域。传统的采用人工手持零件进行测量的方式，已经不能够满足自动化线的要求，严重制约了生产效率。而随着近些年工业机器人技术研究的快速发展以及广泛应用，把机器人技术与气动测量系统结合，既保留了气动测量技术的稳定、易于操作的特点，又实现了自动化测量，实现了工件的自动化气动测量技术。
2、在进行测量时，机器人首先在传送带上通过机械爪对被测量工件进行抓取，将工件放入气动量仪的v形测头进行测量，气动量仪将测量数据处理后上传至上位机，从而上位机对测量结果进行分析，判断测量结果是否合格。测量结果的准确性依赖于测量精度，而更高的测量精度要求工...
【技术保护点】
1.一种基于IABC-ANN神经网络的测量机器人动力学参数辨识方法，其特征在于，主要包括如下步骤：
2.根据权利要求1所述的一种基于IABC-ANN神经网络的测量机器人动力学参数辨识方法，其特征在于，步骤S1中，根据最小惯性原理将线性表达式优化成如下的形式：
3.根据权利要求1所述的一种基于IABC-ANN神经网络的测量机器人动力学参数辨识方法，其特征在于，步骤S1中，n取6时，根据几何关系，将机器人六关节的72个动力学参数，按照最小惯性原理消除对动力学模型无影响的参数后，得到需要辨识的48个动力学最小惯性参数，其中，六关节机器人的关节一的最小...
【技术特征摘要】
1.一种基于iabc-ann神经网络的测量机器人动力学参数辨识方法，其特征在于，主要包括如下步骤：
2.根据权利要求1所述的一种基于iabc-ann神经网络的测量机器人动力学参数辨识方法，其特征在于，步骤s1中，根据最小惯性原理将线性表达式优化成如下的形式：
3.根据权利要求1所述的一种基于iabc-ann神经网络的测量机器人动力学参数辨识方法，其特征在于，步骤s1中，n取6时，根据几何关系，将机器人六关节的72个动力学参数，按照最小惯性原理消除对动力学模型无影响的参数后，得到需要辨识的48个动力学最小惯性参数，其中，六关节机器人的关节一的最小惯性参数为izz，fc，fv；关节二和关节三的最小惯性参数为ixx，ixy，ixz，iyz，izz，mx，my，fc，fv；关节四和关节五的最小惯性参数为ixx，ixy，ixz，iyy，iyz，mx，mz，fc，fv；关节六的最小惯性参数为ixx，ixy，ixz，iyz，izz，mx，my，f...
【专利技术属性】
技术研发人员：库祥臣，段磊，张小雨，李森，朱二州，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：
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。