王 罡，郭芳泽，吴晓仁

（集美大学计算机工程学院，福建 厦门 361021）

1 引言

随着机械臂在高精制造业中的参与，机械臂控制精度要求越来越高，传统的PID 控制难以满足要求，而模型预测控制、前馈控制等先进控制方法的关键在于动力学模型能够准确反应机械臂动态特性[1]。因此，机械臂动力学参数辨识对提高控制精度、降低控制成本意义明显。

基于参数模型的机械臂动力学参数辨识方法可分为非智能方法和智能方法。非智能方法是指最小二乘法、最大似然法及其改进等，此类求解方法不具备算法智能性；智能方法是指遗传算法、人工蚁群算法、粒子群算法等，此类求解方法具备算法智能性。文献[2]设计了机械臂的持续激励轨迹，以回归矩阵条件数最小为指标，此方法提高了参数辨识的精度和速度。文献[3]设计了满足速度、加速度边界约束的改进傅立叶级数作为激励轨迹，使用最大似然法作为参数估计方法，该方法提高了参数辨识精度。文献[4]针对无人机悬停过程中动力学参数辨识问题，提出了混沌蜂群算法的求解方法，提高了参数辨识精度。文献[5]优化了机械表激励轨迹，使用混沌粒子群算法进行参数辨识，辨识精度高于基本粒子群算法。在智能算法快速发展的今天，基于智能算法的动力学参数辨识成为热点，主要集中于三个方面：（1）算法性能的开发，提高算法的求解质量，（2）激励轨迹的设计，激励出所有待辨识参数；（3）模型建立精度的提高，使模型更加符合实际。……