機器人動態特性及動力學參數辨識研究（簡體書）

獲取機械系統的動態特性對其本身的精確運動和動力控制有著重要的意義和應用價值。本書主要研究以工業機器人為典型代表的機械系統，對機器人系統的脈沖響應函數在提取過程中的一系列問題進行了探討。對現有的時域法、頻域法及小波方法進行了辨析，并研究了適用于機器人的階躍激勵下的時域辨識方法，同時對機器人操作臂慣性參數辨識中的一些相關問題進行了研究。本書還研究了將神經網絡技術應用于系統參數辨識的方法，并且對時變系統的參數辨識進行了研究。

陳恩偉，1979年生，廣西合浦人，合肥工業大學機械設計及理論專業博士，現于中國科學技術大學固體力學博士后流動站工作。合肥工業大學機械與汽車工程學院教師。研究方向為：振動測試與控制、結構動力學系統參數識別、機器人運動學及動力學。發表學術論文20余篇。

總序
致謝
摘要
第1章 緒論
1.1 工業機器人概述
1.1.1 工業機器人
1.1.2 工業機器人的發展
1.1.3 工業機器人的構成
1.1.4 機器人用傳感器
1.1.5 機器人機械臂的運動學與動力學分析方法
1.2 工業機器人動態特性及動力學參數辨識
1.2.1 工業機器人動力學建模與控制
1.2.2 脈沖響應函數辨識是機器人動態特性分析的關鍵
1.2.3 階躍激勵是獲取機器人動態特性的有效途徑
1.2.4 機器人動力學研究中慣性參數辨識是熱點問題
1.3 系統辨識的分類及主要研究方法
1.3.1 系統辨識的定義
1.3.2 系統辨識的分類
1.3.3 基于人工神經網絡的參數辨識
1.4 本論文的研究內容、目的、意義
1.4.1 課題來源
1.4.2 本論文的主要研究工作
1.4.3 本論文研究的目的、意義
1.5 主要內容章節安排
第2章 提取脈沖響應函數的小波變換方法與時域法分析
2.1 引言
2.2 脈沖響應函數
2.2.1 定義和性質
2.2.2 脈沖響應函數與結構系統模態參數
2.2.3 現有提取系統脈沖響應函數方法研究
2.2.4 時域法與頻域法的優劣分析
2.3 基于小波變換的脈沖響應函數提取方法研究
2.3.1 小波分析歷史回顧及其在振動工程上的應用
2.3.2 小波分析理論
2.3.3 提取系統單位脈沖響應函數的小波變換方法研究
2.4 時域法與小波變換方法內在關系分析
2.4.1 循環小波方法與時域法關系
2.4.2 相關小波方法與時域法關系
2.5 時域方法與小波方法數值仿真及實驗
2.5.1 仿真模擬分析
2.5.2 實驗驗證
本章小結
第3章 階躍激勵下的系統動態特性辨識方法
3.1 引言
3.2 階躍信號的時域特性與頻域特性
3.2.1 時域分析
3.2.2 頻域分析
3.3 階躍信號的測量分析
3.3.1 階躍激勵與力傳感器
3.3.2 階躍信號與矩形脈沖信號
3.4 由階躍響應確定階躍力
3.5 使用階躍響應辨識系統的傳遞函數——面積法
3.6 階躍響應求脈沖響應的時域方法——差分法
3.6.1 原理
3.6.2 仿真算例
本章小結
第4章 提取系統脈沖響應函數的時域方法研究
4.1 引言
4.2 信號平均方法概述
4.2.1 譜的線性平均方法
4.2.2 時間記錄線性平均
4.2.3 指數平均
4.2.4 RMS平均及RMS指數平均
4.3 時域方法病態問題解釋
4.3.1 頻域解釋
4.3.2 Riemann—Lebesgue引理解釋
4.3.3 用矩陣的奇異值解釋
4.3.4 病態問題數值實例
4.4 提取脈沖響應函數的偏差補償方法
4.4.1 輸出誤差模型算法
4.4.2 輸入誤差模型算法
4.4.3 階躍激勵下的偏差補償算法
4.4.4 誤差分析
4.4.5 偏差補償算法與傳統時域法的關系分析
4.4.6 仿真算例
4.4.7 實驗驗證
4.5 提取脈沖響應函數的誤差偏導數方法
4.5.1 輸出噪聲模型算法
4.5.2 輸入噪聲模型算法
4.5.3 仿真驗證
4.6 對兩種時域平均方法的討論
本章小結
第5章 機器人操作臂慣性參數辨識方法研究
5.1 引言
5.1.1 慣性參數
5.1.2 機器人慣性參數辨識方法的研究和發展
5.2 機器人運動學與動力學方程
5.2.1 機器人運動學
5.2.2 機器人動力學遞推方程
5.2.3 連桿組合體
5.2.4 慣性張量的坐標系變換
5.3 機器人六維腕力傳感器
5.3.1 機器人六維腕力傳感器簡要介紹
5.3.2 六維腕力傳感器的結構
5.3.3 六維腕力傳感器微分運動影響
5.4 末端連桿慣性參數辨識
5.4.1 算法原理
5.4.2 實驗驗證
5.4.3 辨識結果
5.5 操作臂慣性參數全辨識方法
5.5.1 用慣性力補償連桿重力的方法
5.5.2 關節摩擦特性
5.5.3 辨識連桿質量及質心坐標
5.5.4 辨識連桿的慣性張量
5.5.5 方法的流程圖
5.5.6 仿真算例
5.5.7 討論
本章小結
第6章 基于人工神經網絡的系統參數辨識方法
6.1 人工神經網絡簡述
6.1.1 人工神經元的模型
6.1.2 神經網絡的結構形態
6.1.3 神經網絡的學習規則
6.2 人工神經網絡的發展
6.3 神經網絡應用于系統辨識
6.3.1 神經網絡在系統辨識中的優越性
6.3.2 神經網絡系統辨識的并聯模式與串一并聯模式
6.4 神經網絡參數辨識方法研究
6.4.1 問題的提出
6.4.2 神經網絡參數辨識方法
6.4.3 神經網絡參數辨識應用實例
本章小結
第7章 總結與展望
7.1 總結
7.2 創新點
7.3 有待進一步研究問題的展望
參考文獻
攻讀博士學位期間發表的論文