摘要
机器人对提高智能制造水平以及人们的日常生活都具有非常重要的意义，已成为各国科技发展的重要战略。我国机器人的关键性能指标如位姿精度、轨迹精度、稳定性和可靠性低等问题严重制约了国产机器人在高精密加工制造等领域的发展和应用。现有研究表明关节刚度是机器人末端产生变形的重要影响因素之一，准确获取影响机器人性能指标的关节刚度，对机器人的性能进行分析、预测、评估和优化是解决该问题的关键手段。然而，机器人是由驱动、控制、决策、传感和执行等多个模块耦合在一起的复杂系统。该复杂的耦合系统存在多源不确定性因素如电机输入力矩、减速器输出扭矩及控制参数，材料参数、结构尺寸、边界条件及载荷条件等，导致基于传统的确定性反求结果的可信度低，严重影响机器人位姿精度、轨迹精度、稳定性和可靠性的提高。因此，亟需研究多源不确定性条件下的机器人关节刚度反求方法。对此，本文提出多源不确定性的机器人关节刚度反求方法。本文开展和完成的主要研究内容如下： （1）提出机器人关节刚度直接权值反求法。基于双向神经网络克服获取关节刚度的反问题建模机理不明晰的难点，基于直接权值反求法克服反求关节刚度收敛难、收敛精度低的难点。首先，通过对双向神经网络原理的分析，建立适合关节刚度反求的网络模型。基于直接权值反求法的特点，对网络模型的结构以及激活函数等进行筛选，确定适用于直接权值反求法求解关节刚度的网络。详细分析、推导在常规网络模型中使用直接权值反求法求解关节刚度的过程，并分析、推导在病态网络模型下基于正则化方法的直接权值反求法求解关节刚度的过程。 （2）基于直接权值反求法的机器人关节刚度反求。首先，通过静载荷实验方法获取机器人关节刚度的数值区间，并建立机器人的高精度数值模型。然后，通过模态实验验证数值模型的可靠性。接下来，通过数值模型建立关节刚度与响应参数的数据集，并使用数据预处理方法对响应参数的维度进行分析、处理，制作双向神经网络的数据集。最后，使用预处理后的数据集训练双向神经网络，通过对关节刚度求解精度的误差分析，优化关节刚度直接权值反求法的求解过程，提高关节刚度的求解精度。 （3）基于直接权值反求法的机器人关节刚度不确定性反求。使用直接权值反求法获得关节刚度样本数据，完成关节刚度的不确定性建模。克服传统不确定性反求方法多层嵌套计算量大的难点。基于考虑相关性的关节刚度椭球凸模型，将复杂的六维关节刚度的椭球凸模型求解问题转为关节刚度的二维椭圆凸模型求解。基于最小体积法求解关节刚度的二维椭圆凸模型，再以此求解各关节参数间的协方差。最后，利用关节刚度的椭圆凸模型的协方差以及各关节的区间参数代入机器人关节刚度的六维椭球凸模型中，建立机器人关节刚度的椭球凸模型不确定域，提高关节刚度反求结果的可靠性。
NETL