资源描述：
《机器人末端臂惯性参数辨识的人工神经网络方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、机器人末端臂惯性参数辨识的人工神经网络方法中国机械工程第17卷第3期2006年2月上半月机器人末端臂惯性参数辨识的人工神经网络方法陈恩伟刘正士干方建.1.合肥工业大学,合肥,23OOO92.中国科学技术大学,合肥,230026摘要:分析了机器人操作臂末端连杆惯性参数辨识的原理及数学模型,提出了一种与传统神经网络问题不同的惯性参数辨识方法,使神经网络的结构与权值具有明确的物理意义,解决了获取样本难的问题.探讨了人工神经网络在系统参数辨识应用中的一般规律及优越性.惯性参数辨识方法简单,直观,运算量小,可应用基于传感器信号的机器人末端惯性参数的在线辨识.在PUM
2、A562机器人上,用实验验证了惯性参数辨识方法的可行性与有效性.关键词:机器人;惯性参数;人工神经网络;参数辨识中图分类号:TP212文章编号:1004—132X(2006)03—0268一O4ApplicationofANNMethodinInertialParameterIdentificati0noftheEndEffectorofRobotChenEnweiLiuZhengshiGanFangian1.HereiUniversityofTechnology,Hefei,2300092.UniversityofScienceandTechnology
3、ofChina,Hefei,230026Abstract:Algorithmandmathematicalmodelofidentificationfortheinertialparametersoftheend—effectorofmanipulatorinarobotwereanalyzed.Anewmethodofidentifyinginertialparameterswhichwasdifferentfromtraditionalartificialneuralnetworkproblemswasdeveloped,hencethephysica
4、lmeaningcanbefoundfromthestructureandtheweightsofthenetworks.Thedifficultyofobtainingsampleswasresolved.Generalrulesandadvantagesofapplicationofartificialneuralnet—workinparameteridentificationofthesystemwereinvestigated.ThismethodiSsimple,directandlessinoperation.whichcanbeapplie
5、dinonlineidentificationofinertialparametersoftheend—effec—torofarobotbasedonthesignalsofsensor.FeasibilityandeffectivenessofthemethodareprovedbytheresultsofexperimentirlaPUMA562robot.Keywords:robot;inertialparameter;artificialneuralnetwork;parameteridentificationO引言机器人的操作臂中,各连杆惯性参
6、数的确定是进行动力学建模,仿真,力控制以及优化设计的前提,具有十分重要的意义.国内外众多学者对它进行了研究口】.由于机器人在各种不同的作业情况下,必须经常变换可执行的任务(如夹持不同的工件),机器人尤其是机器人末端的惯性参数是变化的,使得机器人末端惯性参数的在线辨识成为急待解决的重要课题.干方建等¨3提出了基于腕力传感器的末端连杆惯性参数在线辨识方法,可以获得独立的包含关节特性的参数值,将参数辨识问题转化成求解线性方程组Ax—b的问题.对于形如Ax—b的参数辨识问题,由于传感器测量信号往往伴随有较大噪声,应用传统的最小二乘法,高斯消去法,共扼梯度法以及各种
7、迭代法处理的结果往往是发散的.另外,传统的方法均使用二阶矩阵作为数据信息,使得运算量增大,容收稿日期:2005—02—24基金项目:安徽省自然科学基金资助项目(00043310)?268?易出现病态.人工神经网络具有良好的容错性能,个别数据的较大误差不会对结果有明显的影响.但一般BP神经网络将待辨识的参数值作为网络的输出,要使训练好的网络具有良好的"泛化"性能,必须获取大样本.由于神经网络不具有外插值性,训练时对于超出输入,输出最大范围的数据必将产生较大的误差.一般神经网络的结构不具有明确的物理意义,网络的构造往往具有盲目性和随意性j.本文将采用一种不同的
8、神经网络参数辨识模式,将待辨识的参数作为网络内部的成分,赋予网络结
