获取机械系统的动态特性对其本身的精确运动和动力控制有很重要的意义和应用价值。本学位论文研究以工业机器人为典型代表的机械系统,对机器人系统的脉冲响应函数的提取过程中的一系列问题进行了探讨。对现有的时域法、频域法及小波方法进行了辨析。研究了适用于机器人的阶跃激励下的时域辨识方法。另外,本文对机器人操作臂惯性参数辨识中的一些相关问题进行了研究。本文还研究了将神经网络技术应用于系统参数辨识的方法,并且对时变系统的参数辨识也进行了研究。本论文各章的研究工作概述如下。 1.第一章介绍了工业机器人的发展现状,概括了机器人运动学、动力学建模分析方法,指出了机器人操作臂动态特性及动力学参数辨识的意义及关键问题。对系统辨识方法进行了概述。明确本学位论文的研究工作及任务。 2.第二章主要从理论上辨析了提取系统脉冲响应函数各种方法的关系,为以后各章作理论上的准备。首先给出了现有的提取系统脉冲响应函数的方法。针对两种基于小波变换的方法:循环小波法及相关小波法,在小波分解层数的意义上与现有的时域法比较。指出时域法是这两种方法的一种特例,并且具有更高的效率及相同的结果。给出了判断的理论依据,并从仿真及实验进行了分析验证。指出时域法在工程应用中的抗噪性能差的缺点,为以后各章指明研究方向。 3.第三章主要研究基于阶跃响应的系统动态特性的提取方法。首先指出基于锤击激励的平均功率谱方法在机器人操作臂测试中的不适用性以及基于阶跃激励的时域方法的可行性,然后对阶跃激励的时、频域特性进行了分析。提出在实际测试中存在的问题:力传感器难以正确测量阶跃力以及利用矩形脉冲代替阶跃进行处理会带来很大的误差。对问题的原因进行了剖析并提出解决的方法。利用线性系统的特点,给出使用阶跃响应获取阶跃力的技术。对一种经典的利用阶跃响应获取系统传递函数参数的面积法进行了分析。分析了时域法、频域法对不同类型误差的敏感程度。根据脉冲与阶跃的微积分关系,研究了由阶跃响应获取脉冲响应函数的差分法。仿真结果表明,差分法比时域法有较高的效率,在没有噪声的情况下是零误差的。 4.第四章针对第二章提出的时域法对噪声十分敏感的问题,着重研究如何在时域利用平均技术进行降噪,同时进行脉冲响应函数的提取。首先分析了各种信号的平均技术,指出这些方法不能对不同信号进行平均,也不适用于提取脉冲响应函数。针对由于响应信号的噪声而造成的辨识病态问题的机理分别进行频域解释、Riemann-Lebesgue引理解释以及矩阵奇异值解释。在此基础上,提出了偏差补偿方法及误差偏导数方法。前者的误差分析表明误差是一个累积的过程,后者分别对输入误差模型及输出误差模型分别提出了算法。仿真验证表明,方法能对不同激励下的测试信号进行平均,辨识结果与理论曲线比较吻合。 5.第五章研究了机器人操作臂惯性参数的辨识方法。首先概括了目前机器人连杆惯性参数辨识