基于神经网络的力矩补偿动力学参数辨识

摘要

针对机械臂刚柔耦合动力学模型拟合精度不高的问题，在分析动力学参数对各关节力矩影响的基础上，提出了一种基于神经网络力矩补偿的动力学参数辨识方法．首先，对动力学模型进行线性化分析，得到最小惯性参数集，设计机械臂激励轨迹，并采集各关节数据集．其次，搭建神经网络架构，对不同隐藏层数的神经网络模型的训练效果比较，证明了本文模型的准确性．将关节位置、速度、加速度数据集作为网络架构输入，经过神经网络学习后提取出各关节力矩．最后，对算法辨识出来的模型进行验证，以模型预测力矩的均方根误差为评判标准，关节拟合力矩结果表明，本文所用方法相较刚体逆动力学有更好的拟合精度，减少了关节摩擦等非线性因素对辨识实验的影响，得到更精准的动力学模型，对机械臂系统有更好的控制效果．

关键词

机械臂 / 神经网络 / 参数辨识 / 力矩拟合