【技术实现步骤摘要】
本专利技术涉及机器人，更具体的说是涉及一种基于机械臂激励轨迹优化的动力学参数辨识方法。
技术介绍
1、目前，精确的机器人动力学模型是实现高性能控制的基础前提，在基于模型的柔顺控制、无传感器碰撞检测、计算力矩控制、高精度控制以及手术机器人等先进应用中尤为关键。在涉及拖拽模式的人机协作场景中，拖拽操作所需的柔顺性更凸显了精确动力学模型的重要性。然而，制造商通常不提供机器人的动力学参数，而且通过三维建模软件获得的参数往往与实际值存在较大偏差。因此，实验辨识被认为是获取机械臂动力学参数的可靠方法。
2、典型的实验辨识流程包含四个关键步骤：动力学建模、激励轨迹设计、参数辨识及模型验证。
3、其中，牛顿-欧拉递推公式被广泛应用于动力学建模，通过将关节角度相关项与待辨识参数解耦，实现动力学特性的线性化表达。为提升辨识精度，khalil等学者采用参数约简策略，将完整参数集线性组合形成最小参数集，消除冗余动力学参数并构建对应的回归矩阵。动力学建模需同时考虑关节摩擦特性。传统的库仑-黏滞摩擦模型虽被广泛采用，但其在极低关节速度工况下...
【技术保护点】
1.一种基于机械臂激励轨迹优化的动力学参数辨识方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于机械臂激励轨迹优化的动力学参数辨识方法，其特征在于，所述采用量子行为与Lévy飞行混合粒子群优化算法优化所述激励轨迹的傅里叶系数，得到所述线性动力学模型中回归矩阵的约束条件；具体包括：
3.如权利要求2所述的一种基于机械臂激励轨迹优化的动力学参数辨识方法，其特征在于，所述量子行为更新机制，具体包括：
4.如权利要求2所述的一种基于机械臂激励轨迹优化的动力学参数辨识方法，其特征在于，所述Lévy飞行更新机制，具体包括：
...【技术特征摘要】
1.一种基于机械臂激励轨迹优化的动力学参数辨识方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于机械臂激励轨迹优化的动力学参数辨识方法，其特征在于，所述采用量子行为与lévy飞行混合粒子群优化算法优化所述激励轨迹的傅里叶系数，得到所述线性动力学模型中回归矩阵的约束条件；具体包括：
3.如权利要求2所述的一种基于机械臂激励轨迹优化的动力学参数辨识方法，其特征在于，所述量子行为更新机制，具体包括：
4.如权利要求2所述的一种基于机械臂激励轨迹优化的动力学参数辨识方法，其特征在于，所述lévy飞行更新机制，具体包括：
5.如权利要求...
【专利技术属性】
技术研发人员：张浩浩，李毅，张池行，刘发康，田旭航，李冲，王彦涛，周永兴，
申请(专利权)人：六盘山实验室，
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。