基于灰狼算法的模块化关节摩擦辨识和补偿

崔靖凯，赛华阳，张恩阳，朱明超 ，徐振邦，3*

（1. 中国科学院长春光学精密机械与物理研究所，吉林长春130033；2. 中国科学院大学，北京 100049；3. 中国科学院大学材料与光电研究中心，北京100049）

1 引 言

模块化关节能通过重构组合，使机械臂形成不同功能的构型，满足不同环境和任务的需求。具有模块化关节的机械臂制造成本低、设计周期短、互换性强并易于改进，被广泛应用于各个领域［1］。为了获得高负载自重比，模块化关节常具有谐波减速器等非线性环节，这增大了摩擦干扰，影响机械臂的定位和跟踪精度。

摩擦补偿是减少或消除关节非线性环节的不利影响、提高系统动态性能的重要途经。摩擦补偿包括基于摩擦模型的补偿和不基于摩擦模型的补偿。其中，基于摩擦模型的补偿由于具有可预见、响应速度快等特点［2］，获得了广泛应用。模块化关节的摩擦模型包括库伦-黏性摩擦模型［3］、Stribeck 摩擦模型［4］、LuGre 摩擦模型［5］等。库仑-黏性摩擦模型和Stribeck 摩擦模型无法描绘电机速度接近于零时的预滑动区域的摩擦特性，导致电机速度换向时补偿的摩擦力不连续，引起力矩的跳变。为了充分考虑摩擦的非线性特性，保证补偿力矩的连续性，本文基于LuGre摩擦模型进行摩擦补偿。

摩擦模型参数的准确度直接影响了摩擦模型的精度，进而影响摩擦补偿的效果［6］，因此需要对模型参数进行辨识。参数辨识是指在满足激励的条件下，采集系统的状态信息对物理参数进行估计的过程［7］。参数辨识可以分为在线辨识和离线辨识。……