基于几种常用干摩擦模型的定量比较分析

干摩擦模型常用于水平振动输送机的动力学分析中,不同的摩擦模型会有不同的分析结果。针对干摩擦模型的选择问题,对三种经常在研究中使用的模型,即库伦模型、Stribeck模型和Lu Gre模型进行了定量的比较分析。建立了仿真和实验的单自由度自由振动模型,得到实验曲线和各摩擦模型仿真曲线,通过计算实验曲线和仿真曲线之间所夹面积和欧氏距离的方法,比较三种模型相对实验数据的贴合程度,结果表明,Lu Gre模型的贴合程度最好,为水平振动输送机动力学研究中选择Lu Gre模型,提供了理论依据。     

基于LuGre摩擦模型补偿的动态电液测力建模与实验研究

为提高电液测力系统在动态下测量其负载的精度,采用Lu Gre摩擦模型描述动态测力时摩擦力非线性特征,搭建了基于比例阀压力控制的动态电液测力系统,对其在不同油液压力、速度下的摩擦力进行测量,依据实验数据及动、静态参数辨识模型辨识得到动、静态参数,进一步研究油液压力及移动速度对Lu Gre模型中各个参数的影响,得到关于油液压力及移动速度的Lu Gre摩擦模型,之后对油液推力实时补偿,得到基于Lu Gre摩擦模型补偿的动态电液测力精度。实验结果表明,动态电液测力状态下库仑摩擦力、最大静摩擦力及动态参数随油液压力的增大而变大,粘性摩擦系数和Stribeck速度随油液压力的增大而降低;基于Lu Gre摩擦补偿的动态电液测力系统测量精度可达0.45%。     

球面二自由度冗余驱动并联机器人系统动力学参数辨识及控制

以伺服电机驱动的球面2-DOF冗余驱动并联机器人为研究对象,首先,建立了机构惯性参数辨识模型,并规划了惯性参数辨识轨迹;其次,建立了机构运动副摩擦参数辨识模型和驱动系统的摩擦参数辨识模型,分别分析了二者的辨识原理,并规划了摩擦参数辨识轨迹;再次,通过辨识实验得到了机构惯性参数、机构转动副摩擦参数和驱动系统摩擦参数的辨识结果,利用辨识结果对原机构参数进行修正,获得了更为准确的机器人系统动力学模型,并通过轨迹测试实验,对辨识结果进行了验证;最后,制定了基于机器人系统动力学模型的前馈控制策略,与传统的机构运动学闭环控制策略进行实验对比,验证了该控制策略的可行性。     

双臂机器人动力学建模与伺服系统控制

针对双臂机器人的手臂运动控制问题,研究了其动力学建模与伺服系统控制算法。首先,对其双臂机械结构进行了分析,总结了各个关节对机器人末端位姿的影响,并且简化了动力学方程更利于实现。其次针对简化后的模型参数采用最小二乘法辨识,最后通过仿真和系统实验,验证动力学计算结果的正确性。再次由机器人动力学和电机动力学建立关节转矩模型进行关节转矩力控制;最后讨论了交流永磁同步电机的建模和控制问题。经过验证简化后的模型一方面等效于直流电机便于设计控制器,另一方面可用于机器人关节转矩控制。     

机器人关节摩擦建模与补偿研究

为了降低温度变化导致机器人关节摩擦补偿失效、跟踪精度降低的问题,提出一种考虑温度变化的Stribeck摩擦改进模型。通过非线性最小二乘法建立系统参数辨识模型,利用L-M (Levenberg-Marquardt)法对该模型进行迭代求解,建立温度影响下的非线性Stribeck摩擦模型。为验证模型的有效性,引入基于摩擦模型的前馈补偿方法,设计了机器人关节的轨迹跟踪实验。实验结果表明,改进的Stribeck摩擦模型能够准确地描述不同温度下摩擦的变化规律;与基于常规Stribeck摩擦模型补偿相比较,该模型的应用能进一步提高六轴机器人关节跟踪精度。     

大型液压机驱动系统摩擦补偿控制

为提高大型液压机驱动系统控制精度,提出了基于改进型Lu Gre摩擦模型的补偿控制方法。建立了液压机驱动系统的动力学模型,通过改进型Lu Gre模型来描述液压机的综合摩擦特性。分别设计了PID控制器、2自由度PID控制器以及模糊自适应控制器,通过仿真实验验证了补偿方案的有效性,并对比分析了3种补偿控制方案的效果。仿真结果表明:采用模糊自适应补偿控制方案效果最优,2自由度PID补偿控制方案次之,常规PID补偿效果最差。当以正弦运动作为驱动系统的输入信号时,采用模糊控制补偿方案的速度跟踪均方误差(Mean Square Error,MSE)能从PID补偿方案的5.771×10-3减小至5.903×10-4。采用模糊自适应补偿方案能有效地抑制摩擦对液压机驱动系统低速性能的不利影响,可显著提高其动态跟踪性能。     

基于快速动力学辨识的机器人力/位混合控制碰撞检测研究

针对机器人力/位混合控制时发生异常碰撞所导致的安全问题,提出一种基于快速动力学辨识的碰撞检测方案。首先,建立机器人快速动力学的辨识模型,基于拉格朗日法整理出机器人关节重力矩的最简三角函数回归矩阵,运用连续摩擦模型建模关节摩擦力;然后,采用最小二乘法分别辨识出机器人关节的重力矩最简参数集和连续摩擦模型参数集;最后,为验证提出方法的有效性,设计并完成机器人快速动力学辨识和碰撞检测实验。结果表明:提出的方法能够快速有效地辨识机器人的动力学参数,可实时检测机器人位置控制方向上4 N·m,力控制方向8 N·m以上的异常碰撞,有效保障操作人员和设备的安全,具有一定的工程参考价值。     

机器人动力学参数辨识方法的研究

在不解体情况下,采用ＣＡＤ方法计算各动力学参数值,基于多体系统动力学模型及ＰＵＭＡ机器人单关节运动试验结果修正相应动力学参数,并考虑各关节摩擦与阻尼特性。通过ＰＵＭＡ机器人各臂联动试验验证辨识参数的正确性。     

一种并联机器人机电耦合多能域系统动力学参数辨识、控制及试验

以平面2-DOF冗余驱动并联机器人为研究对象,结合拉格朗日方程和键合图两种方法,建立了该机器人机电耦合多能域系统动力学模型。针对该机构特点,提出了一种将动力学模型线性化的待定系数法,通过该方法,经过严密的数学推导,得到了机电耦合多能域系统动力学模型的线性化形式,避免了传统的简化方法得到动力学模型线性化形式带来的误差。以五次多项式改进的傅里叶级数优化并联机构末端激励轨迹。搭建了动力学参数辨识试验平台,以加权最小二乘法对其机电耦合多能域系统的动力学参数进行了基于试验的辨识研究。所提的辨识策略不仅可以辨识出机器人机构本体的惯性参数与关节摩擦参数而且还可以辨识出电动机和减速机的等效转动惯量以及等效阻尼系数。设计了基于计算力矩的力位混合控制策略,并将辨识出的动力学参数应用到控制策略中,通过试验验证了机电耦合多能域系统动力学参数辨识的实用性与基于计算力矩的力位混合控制策略的有效性。     

基于半物理仿真技术的机电伺服系统模型辨识研究

系统模型是进行系统性能分析与设计的基础。为了获得准确的系统数学模型，文章借助于dSPACE实时系统的半物理仿真环境和MATLAB系统辨识工具箱，提出了一种适用于机电伺服系统的模型辨识方法，并以机器人关节伺服系统为对象进行了系统模型辨识实验研究，通过对比离线仿真和半物理仿真结果验证了该方法的有效性。该研究对机电系统建模及控制系统设计具有参考价值。     

重载搬运机器人的动力学仿真及控制系统设计

关节型重载搬运机器人各运动关节动态性能和能量耗散水平直接影响机器人以及运动规划的可达性。以ABB公司生产的IRB460型重载搬运机器人为研究对象,针对其机械本体结构特性,建立重载搬运机器人三维模型。若仅考虑回转轴、大臂和小臂组成的三个自由度,重载搬运机器人系统模型可简化成空间三关节机器人系统模型;依据拉格朗日力学方程建立重载搬运机器人系统动力学模型,利用机械臂逆运动学和五次多项式插值算法完成对多关节机械臂空间轨迹规划。通过动力学仿真分析可知,重载搬运机器人各运动关节的动态性能变化稳定且能量耗散较小,且能够沿着预定轨迹完成PTP模式的运动控制。最后,搭建控制系统仿真实验平台,提出一种重载搬运机器人控制系统模型,实验结果表明,所设计的重载搬运机器人控制系统能够准确、稳定的控制各运动关节运动,验证了各运动关节驱动电动机功率参数选择的合理性,为实际的工业生产应用奠定了理论基础。     

工业机器人动力学参数分步辨识与零力控制示教

针对复杂工况下,工业机器人直接示教柔顺性欠缺的问题,这里在传统零力控制算法中加入动力学惯性项补偿以降低示教过程的牵引力。首先,在综合考虑重力、关节摩擦和科氏力等因素的情况下,建立了一种6轴工业机器人线性动力学模型。针对该动力学模型参数辨识高维度、强非线性、多参数的特点,提出了一种分步辨识方法,此方法能有效地降低辨识方程系数矩阵维度,减少计算量。然后,根据辨识结果设计基于力矩控制的惯性项补偿零力控制器。最后,进行动力学参数辨识结果验证与直接示教实验。实验结果表明所提出的分步辨识方法结果较为精确;相比传统的零力控制算法,增加惯性项补偿的零力控制算法能使示教过程的牵引力幅值降低28.6%,显著改善示教过程的柔顺性。     

基于遗传算法的伺服系统摩擦模型参数辨识

文章研究受摩擦因素影响的伺服系统的摩擦模型参数辨识问题,该系统具有未知负载特性和非线性摩擦,给摩擦模型参数辨识带了较大的困难。首先将系统的输入力矩分解为线性力矩和非线性摩擦力矩,其中线性力矩部分用于驱动负载转动,非线性摩擦力矩用于克服摩擦作用;然后基于Stribeck摩擦模型,采用遗传算法进行参数优化。在直流伺服系统上的仿真结果显示了该方法的有效性。该辨识方法对系统已知信息要求较少且容易实现,具有很强的工程实用价值。     

伺服系统线性特性和非线性摩擦的解耦辨识方法研究

针对伺服进给机构包含线性结构和非线性摩擦特性的特点,提出一种将线性模型和非线性摩擦特性进行分步解耦辨识的方法.首先分别确定伺服系统的线性模型和非线性模型,将伺服系统结构模型转化为线性模型加非线性摩擦反馈的结构.为了消除非线性摩擦力对线性模型的影响,采用2路同向非过零速信号对系统激励,利用2组系统输入和输出信号的差值作为线性参数的辨识数据对线性参数进行估计.获得线性模型后进一步利用系统稳态输出实现对非线性Coulomb摩擦幅值特性的估计.系统仿真和实验都证明了该辨识方法对提高伺服系统的辨识精度及控制器设计的有效性和可靠性.     

基于六维力传感器的机器人动力学参数辨识

采用基座布置六维力传感器的方式进行机器人动力学参数辨识。以递推牛顿-欧拉方程为基础建立机器人动力学模型，给出六维力传感器输出与机器人关节间动力学关系，分离待辨识动力学参数并确定其最小惯性参数集，最终建立基于基座六维力传感器的机器人辨识模型。为了进一步提高辨识精度，采用两层低通滤波算法推导出加速度替代公式和速度滤波算法，减少加速度和速度噪声的影响。最后，以六自由度协作机器人的前2个关节为对象，设计辨识实验，获得两关节的最小动力学参数集。通过结果逆向验算表明，基座布置六维力传感器方式能以较高的精度辨识出机器人动力学参数。     

一种新型双轴差速式微量进给系统的建模与分析

常规驱动进给系统(Conventional drive feed system,CDFS)的低速运行动态性能对机床的跟踪及定位精度、零件表面加工质量等有着非常重要的影响。非线性摩擦使CDFS在低速运行时出现爬行现象,从而严重影响其低速性能。为了克服CDFS的精度极限,提出一种新型的双轴差速式微量驱动进给系统(Dual-axis differential micro-feed system,DDMS)。在DDMS中,将常规"丝杠旋转型"滚珠丝杠副替换为"螺母旋转主驱动型"滚珠丝杠副,丝杠和螺母均由伺服电动机驱动。两个驱动轴(电动机驱动丝杠和电动机驱动螺母)的运动方向一致,速度几乎一样,通过"螺母和丝杠复合驱动"的差速式传动结构进行合成,可以使被驱动件在极低速下获得均匀、稳定的微量进给。和CDFS相比,丝杠和螺母都在高速下旋转,所以滚珠丝杠副的非线性摩擦干扰会显著降低。系统的摩擦特性用Lu Gre模型来描述,而且对滚珠丝杠传动副和直线运动导轨处的摩擦分别进行建模。通过仿真和试验研究发现,和CDFS相比,DDMS可以使工作台在极低速下获得稳定的速度响应和极高的分辨率。并且,DDMS在低速下的位置跟踪精度也比CDFS高。因此,提出的DDMS可以有效降低摩擦对系统的不利影响,为低速下驱动进给系统动态性能提高建立了基础。     

液压挖掘机上车结构参数与液压缸摩擦力参数辨识

在液压挖掘机上车机械臂的动力学分析基础上,提出利用液压缸平稳低速运行时的动力学特性建立与摩擦力无关的挖掘机臂动力学模型,并运用该模型通过离线辨识确定臂的结构参数。基于经典摩擦力模型建立液压缸的辨识模型,通过在线辨识实验得到了液压缸的摩擦力参数,为深入研究液压挖掘机的动力学特性、建立可靠的系统仿真模型及实现臂运动的精确控制提供了依据。     

液压位置伺服系统的摩擦力观测器的设计

文中以对液压伺服系统低速运行时的摩擦力进行研究及实现摩擦补偿为目的，在对摩擦现象进行深入分析的基础上，提出了系统低速运行时摩擦力的动态补偿方法，并针对常见的电液位置伺服系统建立摩擦模型、设计了摩擦观测器。通过仿真及实验验证了该摩擦模型及动态补偿方法的有效性。     

基于MATLAB-AMESim的液压缸位置伺服系统辨识方法研究

基于传统液压缸伺服系统建模参数的复杂性、不确定性、以及系统的时变性等问题,提出了一种基于MATLAB-AMESim的液压缸位置伺服系统辨识方法。该文以组成足式机器人驱动单元的液压缸为研究对象,简单介绍了液压缸的组成结构及工作原理;其次建立液压缸控制系统模型、传递函数,阐述了液压缸伺服系统辨识方法原理和基本过程;最后,通过MATLAB-AMESim软件搭建单缸位置伺服系统进行系统辨识仿真,将仿真结果与实际液压缸位置伺服系统测试结果进行对比。实验表明基于MATLAB-AMESim的液压缸位置伺服系统辨识仿真具有良好的实用性,验证了系统模型辨识方法的有效性。     

DGCMG框架伺服系统摩擦力矩建模及辨识

为了减小强陀螺效应条件下双框架控制力矩陀螺（double gimbal control moment gyroscope,简称DGCMG）框架伺服系统的非线性摩擦力矩对框架伺服系统控制精度的影响,提出了一种对DGCMG框架伺服系统非线性摩擦力矩精确建模和辨识的方法。分析了DGCMG框架伺服系统的动力学方程,在研究内、外框架摩擦力矩随内外框架角速度和陀螺力矩变化规律的基础上,建立了内、外框架摩擦力矩精确的数学模型,并用控制力矩陀螺的实际参数和实验采集数据对摩擦力矩模型参数进行了遗忘因子递推最小二乘法辨识。实验结果验证了所建模型的正确性和辨识结果的准确性,有助于补偿DGCMG框架伺服系统的非线性摩擦力矩,提高框架伺服系统的控制精度。