基于灰狼算法的模块化关节摩擦辨识和补偿
2021-12-14崔靖凯赛华阳张恩阳朱明超徐振邦
光学精密工程 2021年11期
崔靖凯,赛华阳,张恩阳,朱明超 ,徐振邦,3*
(1. 中国科学院长春光学精密机械与物理研究所,吉林长春130033;2. 中国科学院大学,北京 100049;3. 中国科学院大学材料与光电研究中心,北京100049)
1 引 言
模块化关节能通过重构组合,使机械臂形成不同功能的构型,满足不同环境和任务的需求。具有模块化关节的机械臂制造成本低、设计周期短、互换性强并易于改进,被广泛应用于各个领域[1]。为了获得高负载自重比,模块化关节常具有谐波减速器等非线性环节,这增大了摩擦干扰,影响机械臂的定位和跟踪精度。
摩擦补偿是减少或消除关节非线性环节的不利影响、提高系统动态性能的重要途经。摩擦补偿包括基于摩擦模型的补偿和不基于摩擦模型的补偿。其中,基于摩擦模型的补偿由于具有可预见、响应速度快等特点[2],获得了广泛应用。模块化关节的摩擦模型包括库伦-黏性摩擦模型[3]、Stribeck 摩擦模型[4]、LuGre 摩擦模型[5]等。库仑-黏性摩擦模型和Stribeck 摩擦模型无法描绘电机速度接近于零时的预滑动区域的摩擦特性,导致电机速度换向时补偿的摩擦力不连续,引起力矩的跳变。为了充分考虑摩擦的非线性特性,保证补偿力矩的连续性,本文基于LuGre摩擦模型进行摩擦补偿。
摩擦模型参数的准确度直接影响了摩擦模型的精度,进而影响摩擦补偿的效果[6],因此需要对模型参数进行辨识。参数辨识是指在满足激励的条件下,采集系统的状态信息对物理参数进行估计的过程[7]。参数辨识可以分为在线辨识和离线辨识。……
登录APP查看全文
