7929.机器人动态特性及动力学参数辨识研究

《7929.机器人动态特性及动力学参数辨识研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、<<机器人动态特性及动力学参数辨识研究>>猛点这里下载全部内容目录：总序致谢摘要第1章绪论1.1工业机器人概述1.1.1工业机器人1.1.2工业机器人的发展1.1.3工业机器人的构成1.1.4机器人用传感器1.1.5机器人机械臂的运动学与动力学分析方法1.2工业机器人动态特性及动力学参数辨识1.2.1工业机器人动力学建模与控制1.2.2脉冲响应函数辨识是机器人动态特性分析的关键1.2.3阶跃激励是获取机器人动态特性的有效途径1.2.4机器人动力学研究中惯性参数辨识是热点问题1.3系统辨识的分类及主要研究方法1.3.1系统辨识的定义1.3.2系统辨识的分类1.3.3基于人工神经网络

2、的参数辨识1.4本论文的研究内容、目的、意义1.4.1课题来源1.4.2本论文的主要研究工作1.4.3本论文研究的目的、意义1.5主要内容章节安排第2章提取脉冲响应函数的小波变换方法与时域法分析2.1引言2.2脉冲响应函数2.2.1定义和性质2.2.2脉冲响应函数与结构系统模态参数2.2.3现有提取系统脉冲响应函数方法研究2.2.4时域法与频域法的优劣分析2.3基于小波变换的脉冲响应函数提取方法研究2.3.1小波分析历史回顾及其在振动工程上的应用2.3.2小波分析理论2.3.3提取系统单位脉冲响应函数的小波变换方法研究2.4时域法与小波变换方法内在关系分析2.4.1循环小波方法与

3、时域法关系2.4.2相关小波方法与时域法关系2.5时域方法与小波方法数值仿真及实验2.5.1仿真模拟分析2.5.2实验验证本章小结第3章阶跃激励下的系统动态特性辨识方法3.1引言3.2阶跃信号的时域特性与频域特性3.2.1时域分析3.2.2频域分析3.3阶跃信号的测量分析3.3.1阶跃激励与力传感器3.3.2阶跃信号与矩形脉冲信号3.4由阶跃响应确定阶跃力3.5使用阶跃响应辨识系统的传递函数--面积法3.6阶跃响应求脉冲响应的时域方法--差分法3.6.1原理3.6.2仿真算例本章小结第4章提取系统脉冲响应函数的时域方法研究4.1引言4.2信号平均方法概述4.2.1谱的线性平均方法

4、4.2.2时间记录线性平均4.2.3指数平均4.2.4RMS平均及RMS指数平均4.3时域方法病态问题解释4.3.1频域解释4.3.2Riemann-Lebesgue引理解释4.3.3用矩阵的奇异值解释4.3.4病态问题数值实例4.4提取脉冲响应函数的偏差补偿方法4.4.1输出误差模型算法4.4.2输入误差模型算法4.4.3阶跃激励下的偏差补偿算法4.4.4误差分析4.4.5偏差补偿算法与传统时域法的关系分析4.4.6仿真算例4.4.7实验验证4.5提取脉冲响应函数的误差偏导数方法4.5.1输出噪声模型算法4.5.2输入噪声模型算法4.5.3仿真验证4.6对两种时域平均方法的讨论

5、本章小结第5章机器人操作臂惯性参数辨识方法研究5.1引言5.1.1惯性参数5.1.2机器人惯性参数辨识方法的研究和发展5.2机器人运动学与动力学方程5.2.1机器人运动学5.2.2机器人动力学递推方程5.2.3连杆组合体5.2.4惯性张量的坐标系变换5.3机器人六维腕力传感器5.3.1机器人六维腕力传感器简要介绍5.3.2六维腕力传感器的结构5.3.3六维腕力传感器微分运动影响5.4末端连杆惯性参数辨识5.4.1算法原理5.4.2实验验证5.4.3辨识结果5.5操作臂惯性参数全辨识方法5.5.1用惯性力补偿连杆重力的方法5.5.2关节摩擦特性5.5.3辨识连杆质量及质心坐标5.5

6、.4辨识连杆的惯性张量5.5.5方法的流程图5.5.6仿真算例5.5.7讨论本章小结第6章基于人工神经网络的系统参数辨识方法6.1人工神经网络简述6.1.1人工神经元的模型6.1.2神经网络的结构形态6.1.3神经网络的学习规则6.2人工神经网络的发展6.3神经网络应用于系统辨识6.3.1神经网络在系统辨识中的优越性6.3.2神经网络系统辨识的并联模式与串一并联模式6.4神经网络参数辨识方法研究6.4.1问题的提出6.4.2神经网络参数辨识方法6.4.3神经网络参数辨识应用实例本章小结第7章总结与展望7.1总结7.2创新点7.3有待进一步研究问题的展望参考文献攻读博士学位期间发表

7、的论文猛点这里下载全部内容