【目的】在空间超冗余机械臂动力学建模中,其结构复杂、自由度多及刚性弱导致的动力学耦合问题十分突出,难以获得精准的动力学模型。针对此问题,提出了一种应用迭代WLS-TCS算法的空间超冗余机械臂地面动力学参数辨识方法,为获取机械臂...【目的】在空间超冗余机械臂动力学建模中,其结构复杂、自由度多及刚性弱导致的动力学耦合问题十分突出,难以获得精准的动力学模型。针对此问题,提出了一种应用迭代WLS-TCS算法的空间超冗余机械臂地面动力学参数辨识方法,为获取机械臂的高精度动力学模型和空间在轨动力学控制研究奠定基础。【方法】首先,采用一种基于终端交叉和转向的粒子群优化(Terminal Crossover and Steering-based Particle Swarm Optimization,TCS-PSO)算法来设计满足多约束条件的周期傅里叶级数,并将其作为最优的激励轨迹;其次,应用迭代加权最小二乘(Iterative Weighted Least Squares,IWLS)法获取最小参数集,通过迭代加权逐步剔除数据中的异常值,使得辨识结果更加鲁棒、准确。【结果】试验结果表明,在激励轨迹中,采用TCS优化方法获得的轨迹回归矩阵条件数更少,且能更好满足所给的约束条件。在参数辨识中,采用IWLS法辨识所得的结果对比递归最小二乘法,力矩残差均方根(Root Mean Square,RMS)值平均降低约2.22%;对比加权最小二乘法,力矩残差RMS值平均降低约4.85%。将获取的参数模型代入到零力控制试验中,实际效果符合预期。展开更多
文摘【目的】在空间超冗余机械臂动力学建模中,其结构复杂、自由度多及刚性弱导致的动力学耦合问题十分突出,难以获得精准的动力学模型。针对此问题,提出了一种应用迭代WLS-TCS算法的空间超冗余机械臂地面动力学参数辨识方法,为获取机械臂的高精度动力学模型和空间在轨动力学控制研究奠定基础。【方法】首先,采用一种基于终端交叉和转向的粒子群优化(Terminal Crossover and Steering-based Particle Swarm Optimization,TCS-PSO)算法来设计满足多约束条件的周期傅里叶级数,并将其作为最优的激励轨迹;其次,应用迭代加权最小二乘(Iterative Weighted Least Squares,IWLS)法获取最小参数集,通过迭代加权逐步剔除数据中的异常值,使得辨识结果更加鲁棒、准确。【结果】试验结果表明,在激励轨迹中,采用TCS优化方法获得的轨迹回归矩阵条件数更少,且能更好满足所给的约束条件。在参数辨识中,采用IWLS法辨识所得的结果对比递归最小二乘法,力矩残差均方根(Root Mean Square,RMS)值平均降低约2.22%;对比加权最小二乘法,力矩残差RMS值平均降低约4.85%。将获取的参数模型代入到零力控制试验中,实际效果符合预期。
