基于RBFNN的机器人关节摩擦建模与补偿研究

• 作者: 贺苗 吴晓敏 邵桂芳 刘暾东
• 来源期刊: 仪器仪表学报
• 关键词: 工业机器人 摩擦模型 摩擦补偿 神经网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 自动控制技术|Automatic Control Technology
• 页码范围: 278-284
• 页数: 7页
• 分类号: TP241.2|TH117.1
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J2006941

摘要

机器人轨迹跟踪是限制机器人高精度应用的关键问题,对机器人关节摩擦进行建模和补偿是提高机器人轨迹跟踪精度的有效途径.针对目前的摩擦建模方法受换向时不连续以及建模误差等非线性因素的影响,无法在实际场景中应用的问题,提出一种基于径向基神经网络(RBFNN)的摩擦建模与补偿方法.首先,为克服换向时摩擦不连续带来的影响,建立一种连续的关节摩擦建模方法;然后,通过引入径向基神经网络,拟合建模误差,解决系统中的非线性因素影响.其次,为实现机器人实际控制,采用高精度编码器获取机器人在实际轨迹跟踪过程中的位置、速度和关节转矩数据,并对所得数据进行滤波去噪.最后,为验证所提方法的有效性,设计并完成了机器人关节的轨迹跟踪实验.结果 表明,相比较于未补偿情况,基于RBFNN控制在补偿前后的平均跟踪误差,最大跟踪误差均有大幅度降低.其中,数据滤波后的机器人轨迹跟踪精度有73.46％的提升,表明所提算法可以对系统中的关节摩擦以及其他非线性因素进行有效补偿.