基于深度循環神經網絡的協作機器人動力學誤差補償

徐 征，張 弓?，汪火明，侯至丞，楊文林，梁濟民，王 建，顧 星

1) 廣州中國科學院先進技術研究所機器人與智能裝備中心，廣州 511458 2) 中國地質大學機械與電子信息學院，武漢 430074

準確的機器人動力學模型是搭建仿真模型，驗證先進控制算法和對控制系統進行深度分析的基礎[1-2].隨著對機器人動態性能要求的提高和協作機器人概念的興起，常規無模型控制方法，如PID算法不僅軌跡跟蹤精度較低，抗干擾能力較差，尤其無法實現碰撞檢測、柔順控制等人機交互功能[3].

對于多軸串聯機器人進行動力學建模一般會考慮重力、科里奧利力、慣性力和摩擦力等主要因素，但是對于較復雜的特性，例如減速機柔性、連桿彈性、摩擦力隨工況的變化、電機轉子慣性力等，較少建立其數學模型[4-5]，從而導致計算力矩與實際力矩誤差較大，阻礙了協作機器人碰撞檢測、拖動示教和柔順控制的良好實現.有學者對此進行了研究，文獻[6-8]各自建立了摩擦特性模型并提出了針對性的補償方法，也有采用機器學習方法的，如利用反向傳播（Back propagation，BP）神經網絡[9]和徑向基函數（Radial basis function，RBF）網絡進行擬合或補償[10-11]，有些也提出了對應的控制方法[12]，但鮮有研究對各種復雜特性綜合起來考慮的.

對于參數辨識技術，有解體測量計算方法[13-14]、解體實驗測量法[15-16]、不解體實驗測量方法[17-18]和理論辨識[19]等方法.解體方法無法或難以計算機器人關節特性[20]，理論辨識法得到的慣性張量矩陣在任意形位上不一定是正定的……