工業機器人參數估計方法的設計、模擬、比較和評估

工業機器人參數估計方法的設計、模擬、比較和評估

系統模型是控制過程的基礎，然而，參數的不確定性和多變性給模型的確定帶來了很多困難。本研究討論了應用在機器人系統上不同參數確定方法的設計和評估，這些方法包括最小二乘法、擴展的卡爾曼濾波法、Adaline神經元神經網絡、Hopfield循環神經網絡和遺傳算法。研究基于MATLAB/Simulink軟件，通過應用這些參數確定的方法對一個具有三個自由度的SCARA機器人進行仿真模擬，從而獲得針對參數確定算法的性能指標。

其中，應用最小二乘法和Adaline神經元神經網絡方法可以使參數的相關誤差在8%以下；應用Hopfiled神經網絡方法時，由于測量過程中噪聲的存在，被估計的參數關于算法的收斂性出現振蕩的現象；卡爾曼濾波法對初始狀態的選擇表現比較敏感，一方面，被估計參數的初始數據對得到好的估計值是至關重要的，另一方面，由于這個過程是遞歸過程并且使用的是時間變量，所以計算時間比其他方法更長。在參數確定過程中，在第三環節可以獲得令人滿意的效果，這不是因為應用方法，而是線性度。并且屬于旋轉連桿的其他參數和Izz2呈現出相反的最高靈敏度和誤差。

所以，這項研究使描述工業機器人動力特征的參數確定方法有多種選擇，尤其是對于SCARA模型。因此，擁有一個機器人基礎參數的數值可以設計一個新的控制方法，因為這個機器人的典型動力模型已經知道。

網址：http://www.sciencedirect.com/science/article/pii/S0045790616302294

作者：Claudio Urrea

編譯：李琳琳