可重构机器人是由一些同构模块或者异构模块装配而成,能够根据工作环境和工作任务重新组合成新的构型。目前,可重构机器人需要获得精确的动力学参数方能进行高速高精度动力学控制。但可重构机器人是一个复杂的、多变量、强耦合的非线性系统,很难直接获得精确的动力学参数。因此,需要对可重构机器人进行动力学参数辨识研究。本文的主要研究内容如下:(1)对可重构机器人的动力学参数辨识进行了总体设计,将参数辨识分解为几个关键步骤,包括动力学建模、激励轨迹设计、数据采集及预处理、辨识算法与模型验证。然后,对本课题所使用的EV-MRobot可重构机器人及动力学参数辨识设备进行了阐述。(2)构建一个合理的动力学模型是进行参数辨识的首要条件,本文基于旋量理论建立可重构机器人正运动学模型,并在此基础上结合Newton-Euler方法推导了可重构机器人的动力学模型。仿真结果验证了本文的动力学建模方法有效。(3)为了获得准确的可重构机器人动力学参数,根据动力学参数辨识的总体设计,首先,对前述动力学模型未考虑的关节间非线性问题,采用库伦-粘性摩擦模型对其进行近似补偿,并对含摩擦力的动力学模型进行线性化表示,得到待辨识的动力学参数矩阵;然后,基于周期性傅里叶级数设计了可重构机器人关节的激励轨迹,来解决激励轨迹末端不闭合导致连续轨迹跟踪繁琐的问题;接着,针对数据采集过程中,可重构机器人实际关节位置求取算法复杂导致测量精度降低的问题,采用三维动态光学跟踪系统简化实际关节位置的求取算法,提高测量精度;再者,针对可重构机器人因装配误差导致控制精度降低的问题,提出采用人工神经网络算法对其动力学参数进行辨识,来获取更为精确的动力学参数;最后,采用残差均方根来评定辨识得到的动力学参数的精度。(4)为了验证本文所提出的辨识方法可行,分别以EV-MRobot可重构机器人的3自由度和4自由度两种不同构型为例,对人工神经网络算法进行仿真分析,并与线性最小二乘算法和粒子群算法进行实验对比。仿真与实验结果表明,人工神经网络辨识算法可以有效提高可重构机器人动力学参数的辨识精度,并且当构型发生改变后,本文所提出的辨识方法仍能准确辨识出其动力学参数。