基于人工神經網絡的動力學參數辨識法①

杜其通 劉朝雨 閔 劍 費燕瓊

(上海交通大學機器人研究所 上海 200240)

0 引 言

工業機器人已經成為現代人類社會不可或缺的自動化工具，提高其控制精度一直是國內外研究的熱點。傳統的PID控制已經無法滿足實際工作的精度要求，基于模型的控制方法成為主流。基于模型的控制器需要以機器人動力學參數作為先驗值[1]，但是機器人是一個多變量、強耦合的非線性系統[2]，通過數學計算獲得動力學模型很困難，一般采用實驗辨識方法。

國內外研究人員提出了很多機器人參數辨識方法。Gautier等人[3]提出了串聯機器人最小參數集的推導方法，能夠減小辨識的運算量，提高算法的魯棒性。Calafiore 等人[4]采用遞推的最小二乘法進行參數運算，提高了算法效率。丁亞東等人[5]提出了一種分布辨識方法，降低了辨識方程的復雜性。智能控制算法促進了機器人動力學參數辨識的發展，陳柏等人[1]采用人工蜂群算法，禹鑫燚等人[6]采用粒子群算法，謝宏[7]采用改進的遺傳算法進行辨識，均取得了不錯的辨識效果。

為了提高工業機器人的動力學模型辨識精度，本文結合近年興起的機器學習、深度學習算法，提出了一種基于人工神經網絡的動力學模型辨識方法。使用線型整流單元(rectified linear unit, ReLU)函數作為神經網絡的激活函數，使用Dropout方法避免神經網絡訓練中容易產生的過擬合現象，采用有限項傅里葉多項式作為激勵軌跡。最后，為了驗證本文提出的方法，將實驗結果與傳統最小二乘法結果進行了對比。……