机械工程学报 ›› 2025, Vol. 61 ›› Issue (7): 325-337.doi: 10.3901/JME.2025.07.325
汪朋朋1, 卢浩2, 杨志强1, 侯福宁1, 郭士杰1,3, 甘中学1
WANG Pengpeng1, LU Hao2, YANG Zhiqiang1, HOU Funing1, GUO Shijie1,3, GAN Zhongxue1
摘要: 在协作机器人的动力学建模中,由于关节非线性摩擦力的存在,基于电机反馈电流的无力传感器力控精度不高。基于此,重点研究协作机器人关节非线性摩擦力,提高其辨识的精度,从而提升力矩控制性能。设计了一种新的协作SCARA机器人,对关节摩擦的组成进行了分析,并对影响摩擦的关节速度、温度和负载等因素进行了试验。通过采集机器人的位置、速度、力矩、环境温度和负载等时间序列数据,采用牛顿欧拉法计算理论力矩,将实际力矩作为监督学习的对象,建立基于Informer-LSTM的并联混合神经网络模型,从而辨识得出具有不同时间序列特征的非线性综合动态摩擦力,最终以前馈力矩的方式对关节摩擦进行补偿。实验结果表明,Informer-LSTM并联混合神经网络模型能够很好地预测长、短时间序列数据,以数据驱动的综合动态摩擦模型在零速和极低速下更为精确,摩擦补偿后的各关节力矩平均误差均在1%以下,能够显著提升力矩精度。
中图分类号: