基于人工蜂群算法的机器人参数辨识

发布时间：2017-09-17 04:16

  本文关键词：基于人工蜂群算法的机器人参数辨识

  更多相关文章： 动力学参数辨识 人工蜂群算法 6自由度关节型机器人 摩擦模型 基于模型的控制器

【摘要】：工业机器人在生产生活的各个领域有着越来越广泛的应用,日益提高的精度需求对机器人运动控制器的控制性能提出了更高的要求。目前大多数国产机器人依然采用简单但模型无关的PID控制器用于运动控制。然而,由于PID控制器的模型无关性,应用该控制器控制机器人的运动时会发生驱动器超载、振动等,造成控制性能退化。为了改善控制性能,需要在运动控制中应用基于关节型机器人动力学模型的控制器。基于模型的控制器需要以机器人动力学参数作为先验值,而获取动力学参数最常见的方法即实验辨识动力学参数。本文首先通过Newton-Euler法建立关节型机器人的刚体动力学模型并线性化。在此基础上讨论了影响机器人动力学的几个因素,并对关节间摩擦因素加以补偿。完成了激励轨迹的选型与优化,并对采集得到的数据进行了必要的预处理,这两项措施有效提高了辨识精度。接着,本文总结了几种传统的辨识算法,并指出这些算法的不足与缺陷。提出了采用人工蜂群算法辨识机器人动力学参数,并阐述了辨识基本步骤。最后,本文应用人工蜂群算法辨识实际工业机器人的动力学参数值,得到了令人满意的结果。对实验结果的分析表明,采用简单的库伦-粘性摩擦模型是导致预测力矩曲线出现力矩波动及误差峰值的根本原因。通过在刚体动力学模型基础上补偿以精度更高、低速动态特性更好的摩擦模型,辨识结果有效改善了力矩波动,同时抑制了误差峰值的出现。应用辨识结果设计实现了基于模型的前馈控制器,实验结果表明基于模型的控制器大幅提高了轨迹跟踪精度,同时抑制了关节换向期间出现的高频振动。
【关键词】：动力学参数辨识 人工蜂群算法 6自由度关节型机器人 摩擦模型 基于模型的控制器
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242.2
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-16
• 1.1 课题研究背景与意义10-11
• 1.2 课题研究现状11-15
• 1.2.1 工业机器人参数辨识国内外研究现状11-12
• 1.2.2 人工蜂群算法国内外研究现状12-13
• 1.2.3 摩擦特性研究现状13-14
• 1.2.4 基于模型的控制器14-15
• 1.3 本文的工作与内容15-16
• 第二章 动力学建模与实验设计16-30
• 2.1 引言16-18
• 2.2 关节型机器人动力学建模18-22
• 2.2.1 递推形式的关节型机器人刚体动力学建模18-20
• 2.2.2 动力学模型线性化与最小惯性参数集20-22
• 2.3 影响机器人动力学的因素22-24
• 2.3.1 关节间摩擦22-23
• 2.3.2 其他因素23-24
• 2.4 参数化轨迹设计24-25
• 2.4.1 参数化轨迹选型24-25
• 2.4.2 有限项傅里叶级数轨迹参数优化25
• 2.5 数据采集与预处理25-29
• 2.5.1 关节转角信号预处理26-27
• 2.5.2 关节力矩信号预处理27-29
• 2.6 本章小结29-30
• 第三章 人工蜂群算法辨识30-38
• 3.1 引言30
• 3.2 传统辨识方法及其缺陷30-32
• 3.3 人工蜂群算法简介32-35
• 3.3.1 人工蜂群算法的生物学背景32-33
• 3.3.2 算法的基本原理33-35
• 3.4 人工蜂群算法的优势35-37
• 3.5 本章小结37-38
• 第四章 关节型机器人动力学模型辨识38-67
• 4.1 引言38-39
• 4.2 人工蜂群算法参数辨识39-50
• 4.2.1 实验对象39-40
• 4.2.2 实验设计40-43
• 4.2.3 实验结果及分析43-50
• 4.3 基于Deami-Heimann经验模型的ABC参数辨识50-63
• 4.3.1 摩擦模型的选择50-51
• 4.3.2 Deami-Heimann -1 经验模型51-57
• 4.3.3 Deami-Heimann-2 经验模型57-63
• 4.4 基于模型的前馈控制63-66
• 4.5 本章小结66-67
• 第五章 总结与展望67-69
• 5.1 主要工作与总结67-68
• 5.2 展望68-69
• 参考文献69-74
• 致谢74-75
• 在校期间的研究成果及发表的学术论文75

【参考文献】

中国期刊全文数据库 前10条

1 丁亚东;陈柏;吴洪涛;申浩宇;;一种工业机器人动力学参数的辨识方法[J];华南理工大学学报(自然科学版);2015年03期

2 吴文祥;朱世强;靳兴来;;基于改进傅里叶级数的机器人动力学参数辨识[J];浙江大学学报(工学版);2013年02期

3 倪风雷;刘宏;介党阳;;基于速度观测器的GMS摩擦模型辨识与补偿[J];电机与控制学报;2012年11期

4 杨钢;刘迎雨;杜经民;李宝仁;;基于模糊PID控制器的电液负载模拟系统[J];华中科技大学学报(自然科学版);2012年04期

5 刘宇;李瑰贤;夏丹;徐文福;;基于改进遗传算法辨识空间机器人动力学参数[J];哈尔滨工业大学学报;2010年11期

6 方喜峰;陆宇平;吴洪涛;刘云平;邵兵;;基于空间算子代数理论多刚体系统反向动力学仿真[J];南京航空航天大学学报;2009年01期

7 张国柱;陈杰;李志平;;直线电机伺服系统的自适应模糊摩擦补偿[J];电机与控制学报;2009年01期

8 彭书华;李华德;苏中;;非线性摩擦干扰下伺服系统模糊趋近律滑模控制[J];北京科技大学学报;2008年11期

9 刘正士,陈恩伟,干方建;机器人惯性参数辨识的若干方法及进展[J];合肥工业大学学报(自然科学版);2005年09期

10 苏玉鑫,段宝岩,张永芳,陈光达,米建伟;并联机器人的非线性PID控制[J];控制与决策;2003年04期

中国博士学位论文全文数据库 前1条

1 熊启家;基于空间算子代数理论的链式多体系统递推动力学研究[D];南京航空航天大学;2003年

，

本文编号：867201