← 返回列表
基于免加速度递归滤波回归的机器人动力学参数估计方法
申请人信息
- 申请人:中山大学
- 申请人地址:510275 广东省广州市海珠区新港西路135号
- 发明人: 中山大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于免加速度递归滤波回归的机器人动力学参数估计方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311228109.6 |
| 申请日 | 2023/9/21 |
| 公告号 | CN117331311A |
| 公开日 | 2024/1/2 |
| IPC主分类号 | G05B13/04 |
| 权利人 | 中山大学 |
| 发明人 | 潘永平; 朱岳江; 黎卫兵 |
| 地址 | 广东省广州市新港西路135号 |
摘要文本
中山大学获取“一种透气窗帘布”专利技术，本发明公开了基于免加速度递归滤波回归的机器人动力学参数估计方法，包括：构建机器人运动学模型；基于递归牛顿‑欧拉算法构建第一机器人动力学模型，并对其线性参数化，得到第二机器人动力学模型；基于递归参数零空间算法将第二机器人动力学模型化为最小参数集形式，得到第一计算结果；将第一计算结果和低通滤波器的冲激响应卷积，对卷积结果进行线性参数化并滤波，得到免加速度二阶滤波回归；根据免加速度二阶滤波回归确定复合学习参数更新律，用于自适应参数估计和控制。本发明无需加速度反馈即可求解滤波回归矩阵，实现区间激励下指数收敛的参数估计，提高了机器人系统的辨识精度、跟踪性能和鲁棒性，可应用于机器人参数辨识和控制技术领域。
专利主权项内容
1.基于免加速度递归滤波回归的机器人动力学参数估计方法，其特征在于，包括：根据空间向量表示法构建机器人运动学模型；基于所述机器人运动学模型构建第一机器人动力学模型，并对所述机器人动力学模型进行线性参数化处理，得到第二机器人动力学模型；将所述第二机器人动力学模型转化为最小参数集形式，得到第一计算结果；其中，所述第一计算结果包括最小参数集和普通回归矩阵；对所述第一计算结果和一阶低通滤波器的冲激响应进行卷积处理，对卷积处理结果进行线性参数化处理，得到一阶滤波回归矩阵，再将所述一阶滤波回归矩阵通过所述一阶低通滤波器，得到免加速度二阶递归滤波回归矩阵；根据所述免加速度二阶递归滤波回归矩阵确定复合学习参数更新律，用于进行参数估计。 百度搜索马 克 数 据 网