一种基于PSO-LSTM的轮腿机器人动力学辨识和关节力矩预测方法

本发明涉及机器人技术领域，尤其涉及一种基于PSO‑LSTM的轮腿机器人动力学辨识和关节力矩预测方法。设计考虑轮腿机器人浮动基的多频傅里叶激励轨迹，驱动机器人按照激励轨迹进行运动，并采集相应的轮腿机器人本体多源传感器信息，构建神经网络模型训练样本集；构建基于粒子群和长短期记忆神经网络的动力学辨识和力矩预测模型；以激励轨迹作为输入，以多元传感信息作为输出，对所设计动力学辨识和力矩预测模型进行训练，直至达到设定精度，所获得模型包含机器人动力学参数的准确信息，可用于机器人运动过程的力矩预测。本发明的方法将大幅提升机器人动力学模型和电机力矩预测的准确性，为浮动基一类机器人的控制提供方法和模型支持。