总序 1
致谢 1
摘要 1
第1章 绪论 1
1.1工业机器人概述 1
1.1.1工业机器人 1
1.1.2工业机器人的发展 2
1.1.3工业机器人的构成 3
1.1.4机器人用传感器 4
1.1.5机器人机械臂的运动学与动力学分析方法 5
1.2工业机器人动态特性及动力学参数辨识 7
1.2.1工业机器人动力学建模与控制 7
1.2.2脉冲响应函数辨识是机器人动态特性分析的关键 8
1.2.3阶跃激励是获取机器人动态特性的有效途径 10
1.2.4机器人动力学研究中惯性参数辨识是热点问题 11
1.3系统辨识的分类及主要研究方法 12
1.3.1系统辨识的定义 13
1.3.2系统辨识的分类 13
1.3.3基于人工神经网络的参数辨识 15
1.4本论文的研究内容、目的、意义 17
1.4.1课题来源 17
1.4.2本论文的主要研究工作 17
1.4.3本论文研究的目的、意义 18
1.5主要内容章节安排 18
第2章 提取脉冲响应函数的小波变换方法与时域法分析 21
2.1引言 21
2.2脉冲响应函数 22
2.2.1定义和性质 22
2.2.2脉冲响应函数与结构系统模态参数 22
2.2.3现有提取系统脉冲响应函数方法研究 23
2.2.4时域法与频域法的优劣分析 27
2.3基于小波变换的脉冲响应函数提取方法研究 28
2.3.1小波分析历史回顾及其在振动工程上的应用 28
2.3.2小波分析理论 29
2.3.3提取系统单位脉冲响应函数的小波变换方法研究 31
2.4时域法与小波变换方法内在关系分析 35
2.4.1循环小波方法与时域法关系 35
2.4.2相关小波方法与时域法关系 37
2.5时域方法与小波方法数值仿真及实验 38
2.5.1仿真模拟分析 38
2.5.2实验验证 41
本章小结 43
第3章 阶跃激励下的系统动态特性辨识方法 45
3.1引言 45
3.2阶跃信号的时域特性与频域特性 46
3.2.1时域分析 46
3.2.2频域分析 47
3.3阶跃信号的测量分析 48
3.3.1阶跃激励与力传感器 48
3.3.2阶跃信号与矩形脉冲信号 50
3.4由阶跃响应确定阶跃力 52
3.5使用阶跃响应辨识系统的传递函数——面积法 52
3.6阶跃响应求脉冲响应的时域方法——差分法 54
3.6.1原理 54
3.6.2仿真算例 56
本章小结 58
第4章 提取系统脉冲响应函数的时域方法研究 59
4.1引言 59
4.2信号平均方法概述 60
4.2.1谱的线性平均方法 60
4.2.2时间记录线性平均 61
4.2.3指数平均 64
4.2.4 RMS平均及RMS指数平均 65
4.3时域方法病态问题解释 66
4.3.1频域解释 66
4.3.2 Riemann-Lebesgue引理解释 67
4.3.3用矩阵的奇异值解释 68
4.3.4病态问题数值实例 69
4.4提取脉冲响应函数的偏差补偿方法 71
4.4.1输出误差模型算法 71
4.4.2输入误差模型算法 73
4.4.3阶跃激励下的偏差补偿算法 76
4.4.4误差分析 77
4.4.5偏差补偿算法与传统时域法的关系分析 78
4.4.6仿真算例 79
4.4.7实验验证 82
4.5提取脉冲响应函数的误差偏导数方法 83
4.5.1输出噪声模型算法 84
4.5.2输入噪声模型算法 85
4.5.3仿真验证 85
4.6对两种时域平均方法的讨论 89
本章小结 89
第5章 机器人操作臂惯性参数辨识方法研究 91
5.1引言 91
5.1.1惯性参数 91
5.1.2机器人惯性参数辨识方法的研究和发展 93
5.2机器人运动学与动力学方程 96
5.2.1机器人运动学 96
5.2.2机器人动力学递推方程 100
5.2.3连杆组合体 101
5.2.4惯性张量的坐标系变换 102
5.3机器人六维腕力传感器 103
5.3.1机器人六维腕力传感器简要介绍 103
5.3.2六维腕力传感器的结构 104
5.3.3六维腕力传感器微分运动影响 105
5.4末端连杆惯性参数辨识 106
5.4.1算法原理 107
5.4.2实验验证 108
5.4.3辨识结果 111
5.5操作臂惯性参数全辨识方法 112
5.5.1用惯性力补偿连杆重力的方法 113
5.5.2关节摩擦特性 115
5.5.3辨识连杆质量及质心坐标 116
5.5.4辨识连杆的惯性张量 117
5.5.5方法的流程图 118
5.5.6仿真算例 119
5.5.7讨论 120
本章小结 121
第6章 基于人工神经网络的系统参数辨识方法 122
6.1人工神经网络简述 123
6.1.1人工神经元的模型 123
6.1.2神经网络的结构形态 125
6.1.3神经网络的学习规则 125
6.2人工神经网络的发展 126
6.3神经网络应用于系统辨识 128
6.3.1神经网络在系统辨识中的优越性 128
6.3.2神经网络系统辨识的并联模式与串—并联模式 128
6.4神经网络参数辨识方法研究 129
6.4.1问题的提出 129
6.4.2神经网络参数辨识方法 130
6.4.3神经网络参数辨识应用实例 133
本章小结 138
第7章 总结与展望 140
7.1总结 140
7.2创新点 142
7.3有待进一步研究问题的展望 142
参考文献 144
攻读博士学位期间发表的论文 155