摘要
一种基于PINN的工业机器人动力学及摩擦重构方法,在离线阶段通过构造机器人激励轨迹并设置机器人激励实验,同时采集过程中机器人关节位置数据、速度数据和电流数据进而构造数据集,用于对基于拉格朗日方法构造得到的机器人动力学建模的PINN模型和基于库仑粘滞模型构造得到的机器人摩擦建模的PINN模型进行混合学习;在在线阶段,采用训练后的机器人动力学PINN模型和机器人摩擦PINN模型进行实时推理预测,获得机器人关节力矩的动力学分量和摩擦分量。本发明显著简化了工业机器人关节力矩的建模和预测过程,并能够实现高精度的关节力矩预测效果,从而提升工业机器人基于动力学模型的整机运动控制性能。
技术关键词
机器人动力学建模
机器人动力学模型
电流估算
重构方法
网络
拉格朗日方法
关节力矩
逆动力学模型
机器人关节驱动器
摩擦力矩
二阶常微分方程
加速度
工业机器人关节
机器人运动轨迹
系统为您推荐了相关专利信息
资源分配方法
网络状态感知
状态更新
风险评估模型
无线通信网络资源
无人机
轨迹规划方法
资源分配
传输功率控制
实时位置
无人机控制方法
动态场景
激光束
神经网络对图像
激光雷达