考慮激發(fā)充分性的機械臂動力學最小參數(shù)集辨識

摘要： 在考慮粗大誤差和隨機誤差情況下，為了提高機械臂系統(tǒng)動力學參數(shù)辨識的精確性和魯棒性，文章提出了基于魯棒粒子群算法的參數(shù)辨識方法，建立了機械臂動力學模型；篩選出了動力學最小參數(shù)集，用于消除動力學參數(shù)間的冗余性。為了實現(xiàn)參數(shù)充分激勵，基于有窮傅里葉級數(shù)構(gòu)造了激勵軌跡，并以最小化矩陣條件數(shù)為目標實現(xiàn)了軌跡優(yōu)化。為了提高參數(shù)辨識性能，在粒子群算法中引入了“向其他個體學習”的新型學習方式；... （共7頁）