基于改进的LSTM的工业机器人柔性关节迟滞建模*

党选举，刘 帆

(桂林电子科技大学电子工程与自动化学院，广西 桂林 541004)

0 引言

工业机器人具有重复精度高、自动化、安全且适用性强等优势[1]。在智能制造的背景之下，工业机器人的性能越来越强[2]，同时对工业机器人的执行精度提出更高的要求。近年来，出现的轻型机器人、协作机器人等机器人采用谐波驱动器驱动关节运动。由电机与谐波减速器等组成的柔性关节所表现出的复杂非线性迟滞特性[3-4]，直接影响工业机器人定位精度。对柔性关节的非线性迟滞特性进行建模，从控制角度，基于迟滞模型，通过补偿控制削弱其迟滞特性的影响，成为一个重要研究课题。

基于模型的柔性关节补偿控制，降低迟滞特性对定位精度的影响，建立迟滞模型是实现补偿的先决条件。国内外学者关于压电陶瓷等对象的迟滞特性建模，提出了多种方案：如Bouc-Wen模型[5]、Preisach模型等。这类模型结构较复杂，逆模型不易求解，且参数在线计算困难，难以在实时控制系统中实施。

许多学者利用神经网络模型，描述迟滞现象。文献[6]通过引入迟滞算子构建BP神经网络模型，对压电陶瓷的迟滞特性建模。文献[7-8]采用最小二乘法多项式拟合结合神经网络的方法，针对多迟滞环，需通过增加多项式的项数，保证模型精度，使模型结构更复杂。文献[9]提出了基于Preisach模型的深度学习网络的方法，建立迟滞模型，由Preisach模型特点所决定，为了覆盖到所有的工作点，在神经网络模型中必须采用更多隐含节点，使迟滞模型结构变得复杂。……