为了准确辨识出六自由度工业机器人的动力学参数,提出一种基于改进遗传算法的参数辨识方法。构建牛顿-欧拉机器人动力学模型,明确反映各关节力矩与动力学参数的函数关系;通过改进遗传算法获取优化激励轨迹,并对机器人进行动力学参数的整体辨识,减少关节间耦合作用影响,避免多次识别实验环境不一致而产生的误差。最后采用最小二乘法计算机器人的动力学参数,解决因初始值选择不合理而导致辨识精度受限的问题。实验结果表明此方法得到的最优激励轨迹能够满足约束条件,缩短优化时间,有效提高动态参数辨识的准确性和有效性。

为了准确辨识出机械臂动力学参数,提出了多变异策略花授粉算法的参数辨识方法。分析了PUMA560机械臂结构和工作原理,使用改进的牛顿-欧拉方程建立了驱动力矩与动力学参数的函数关系。以驱动力矩反算值与实际值的误差最小为目标,建立了动力学参数优化模型。从原理层面分析了花授粉算法在迭代后期进化能力弱、易陷入局部最优的原因,提出了带随机机制的定向变异策略和均匀变异策略,将两种变异策略融入到花授粉算法中,得到了多变异策略花授粉算法。使用多变异策略花授粉求解优化模型,经实验验证,从辨识精度、力矩反算值与实际值相关性等两个角度讲,多变异策略花授粉算法的辨识结果远优于花授粉算法,证明了多变异策略花授粉算法在参数辨识中的有效性。

为了提高机械臂动力学参数的辨识精度,提出了基于单纯形引导蝴蝶算法的辨识方法。建立了机械臂动力学模型和参数辨识模型,分析了参数的可辨识性,并设计了最优激励轨迹。以蝴蝶优化算法为基础,提出了单纯形引导陷入局部最优蝴蝶的脱困方法,在脱困的同时蝴蝶适应度也得到了提高;设计了全局搜索与局部开发的动态切换概率,用于平衡算法的全局搜索能力和局部开发能力。综合以上两点改进,提出了单纯形引导蝴蝶算法的参数辨识方法。经RS010N机械臂的参数辨识实验可以看出,单纯形引导蝴蝶算法的搜索速度略快于蝴蝶算法,同时单纯形引导蝴蝶算法的参数辨识精度远高于蝴蝶算法,证明了改进策略的合理性和单纯形引导蝴蝶算法在参数辨识中的有效性。

为了提高SCARA机器人在工业场合中的工作精度,对其动力学模型进行分析是有效途径之一。建立机器人拉格朗日动力学方程并进行线性化处理,得到一组关节力矩和待辨识参数的线性表达式。选取有限项傅里叶级数作为激励轨迹模型,并使机器人启停时关节角速度和角加速度为零,确保机器人运行平稳。再将线性表达式中观测矩阵的条件数作为优化指标,并结合MATLAB优化工具箱,获得关节最优激励轨迹系数。最后通过递推最小二乘法获得待辨识参数,并代入关节力矩表达式中,并与实际采集力矩值进行比较,确定两者变化趋势。结果表明:实验能够获得较为理想的效果,经过辨识计算所得关节力矩可用作相关领域的动力学控制。