基于深度循环神经网络的协作机器人动力学误差补偿.docx

准确的机器人动力学模型是搭建仿真模型，验证先进控制算法和对控制系统进行深度分析的基础[1–2]。随着对机器人动态性能要求的提高和协作机器人概念的兴起，常规无模型控制方法，如PID算法不仅轨迹跟踪精度较低，抗干扰能力较差，尤其无法实现碰撞检测、柔顺控制等人机交互功能[3]。 对于多轴串联机器人进行动力学建模一般会考虑重力、科里奥利力、惯性力和摩擦力等主要因素，但是对于较复杂的特性，例如减速机柔性、连杆弹性、摩擦力随工况的变化、电机转子惯性力等，较少建立其数学模型[4–5]，从而导致计算力矩与实际力矩误差较大，阻碍了协作机器人碰撞检测、拖动示教和柔顺控制的良好实现。有学者对此进行了研究，文献[6–