基于深度学习的工业机器人摩擦力补偿方法研究

摘要：

非线性摩擦力极大影响了机器人的运动性能,摩擦力补偿问题是机器人运动控制中的共性问题.传统的线性和非线性摩擦力补偿模型在实际应用中效果并不理想,而神经网络模型具有固有的非线性特性,对于处理非线性摩擦力具有较大的优势.文章基于深度学习算法,将动力学模型中的非线性环节作为广义的摩擦力处理,根据转矩、速度、位置等相关量学习出系统的摩擦力模型,然后在规划力矩中加入一个大小相同、方向相反的力将摩擦力抵消,从而实现机器人关节摩擦力的补偿.通过构建摩擦力补偿实验平台,测试了机器人在不同路径下的力矩相对误差.研究结果表明基于深度学习的摩擦力补偿模型对于提高力矩精度具有重要作用.

关键词：非线性摩擦;摩擦力补偿;深度学习;注意力机制

所属期刊栏目：51

分类号：TP242(自动化技术及设备)

资助基金：上海市科学技术委员会科研计划项目;上海市科学技术委员会科研计划项目

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：27-34