基于最优试验数据样本自适应选择的工业机器人负载动力学参数辨识方法

来源：机器人杂志2026年第1期北京时间：

作者：吴锦辉, 张清瑞, 杜强, 王嘉, 陶友瑞

摘要：考虑到精确量化负载动力学参数在工业机器人运动控制精度保障中的重要性，提出了一种基于最优试验数据样本自适应选择的工业机器人负载动力学参数辨识方法。首先，基于牛顿―欧拉递推法建立机器人带载与空载状态下的动力学模型，两者相减后得到负载动力学模型；其次，分析负载对机器人各关节力矩的影响，确定负载动力学参数辨识所需关节的运动数据，基于傅里叶级数建立关节运动激励轨迹，并基于Hadamard不等式建立激励轨迹优化目标函数；接着，在空载和带载两种状态下运行相同的激励轨迹，采集关节角位移、角速度、角加速度和关节力矩信息，并对采集的信息进行低通滤波处理，滤波处理后的关节运动数据通过最优数据样本选择策略进行筛选，得到最优试验数据样本集，之后代入负载动力学参数辨识模型，采用加权最小二乘法进行参数估计，得到负载动力学参数；最后，通过试验测试并与传统辨识方法比较验证所提方法的有效性。结果表明，所提方法在不同负载情况下均能保证较高的辨识精度，同时通过优化选择样本数据，能减少数据量，为提高在线负载动力学参数辨识效率提供了思路。

关键词：工业机器人, 动力学参数, 负载, 参数辨识, 最优数据样本