G、F辨识

1.动力学建模。牛顿-欧拉构造，通过QR分解合并项获得机器人最小惯性参数集，力矩计算式也精简为两个矩阵的乘法。对于非线性摩擦产生的力矩项要单独计算后额外补充。编写C语言版力矩计算函数，通过提取共同计算项，降低实时运行计算量。
2. 参数辨识。复杂激励轨迹方法，精度不敢恭维，对激励曲线参数过拟合严重，测试曲线效果较差。一次性计算所有参数，似乎不是一个好的方法。分步参数辨识方法：（1）先通过各个关节的在不同转速下的顺逆时的单独的匀速运动，辨识出关节的摩擦参数（包括线性和非线性摩擦）和各连杆重力项参数(质量*重心到转轴距离)。（2）在测得摩擦参数以及重力项参数的基础上，通过复杂的激励轨迹，辨识出杆件惯性张量等其他动力学参数。

（1）单独、匀速、正反项、多个转速，获取实验数据。各个关节单独做匀速运动，运动时其他关节保持不动，例如其他关节保持默认0度转角。做匀速转动，包括顺时和逆时针方向，缺一不可。在多个不同的转动速度下测量得到关节转动的力矩数据。测量时，在一个时间中，可以采样得到 （时间，关节转角，力矩）三个数据，通过差分可以得到关节转速，基本就是一个恒定的值。在一个匀速运动完成后，可以得到一个关于 （关节转角，关节力矩）的曲线图数据，其为一个转速下的结果。假设每个关节进行M组不同速度的测试，包括顺逆时，对于N关节机器人，则总共可以采集到 MN2个关于 （关节转角，关节力矩）的曲线图数据，每个曲线包括有转角、转速、关节力矩三个信息。

建立动力学方程。建立单个关节匀速运动的力矩式：关节力矩=F（关节转角，关节转速），参数为关节摩擦参数和重力项参数（注意不是连杆重力项），其中每个关节的重力项参数有两项，对应X和Y两个维度，关节摩擦可以加入非线性摩擦项及其参数。

求解最优参数。数据和模型有了，下一步就是求解参数值。偷个懒，使用matlab的Curve Fitting Tool，用二维的曲线图的拟合方法，输入的x、y数据为关节转角、转速，z数据为关节力矩，写入模型，灌入数据，等待，ok。matlab真是我再生父母！

重力项解耦。在单个关节运动求得的重力项中，不仅包含了对应关节的连杆重力，也包括了下一个至最后关节的连杆重力，因此需要通过解耦，得到各个连杆单独的重力项。解耦方法是：在前面1的动力学建模中 ，在牛顿-欧拉构造得到的式子中将关节转速和角加速度设置为0，就得到单纯只有重力项的力矩方程式。其中，关节力矩为关节转角的函数，参数为各个连杆的重力项参数。通过提取一个第i关节力矩式中关于sin(qi)和cos(qi)的部分（qi为关节i的关节转角），得到一个关节的重力项相对于各连杆重力项的表达式：关节的重力项为各个连杆的重力项加权求和的结果，而权重取决于其他关节的转角。将关节单独匀速转动时其他关节的转角代入，求得权重数，便得到关节重力项关于连杆重力项的表达式，每个关节的重力项有X和Y两个维度的辨识结果，共有N2个多元一次方程，而代求取的参数共有N个连杆的XY两个维度的重力项参数共N2个，刚好对应上。可以从关节重力项求得连杆的重力项。从求解的细节上看，可以理解为从第N关节的数据中求得第N个连杆的重力项，在从第N-1个关节的数据以及第N个连杆的重力项参数中计算得到第N-1个连杆的重力项，依次类推。用表达式求解更加规范。

为什么要匀速？为了避开惯性力矩项的影响。为什么要单独一个一个关节做？为了避开各个关节耦合产生的力矩项。为什么要顺逆时针都做？这样才能测得到关节重力项大小。为什么要测量多个转速下的速度？这样才能测得到关节摩擦参数大小。

（2）多关节复杂激励轨迹，将（1）中测得的参数作为已知，辨识机器人的杆件惯性张量等其他动力学参数。不多赘言了。

3.非线性摩擦。重点关注干性摩擦。干性摩擦的特点就是摩擦力大小和接触面压力成正比。这个很好理解，一个小木块在桌面上滑动，摩擦力大小为木块重力乘以摩擦系数。在机器人关节中表现为 干性摩擦力矩大小=关节力矩*干性摩擦系数。这个模型可以加入到动力学辨识的（1）中辨识出干性摩擦系数。此外如果做低速领域，还要关注stribeck摩擦，它是关节在低速运动下润滑不充分导致的，本质也是一种干摩擦。此外关节力矩中有种低频的抖动在，不像是噪声，可能是减速器太拉导致的吧。