针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩, 提出一种基于傅里叶级数函数和BP神经网络的建模方法, 并完善机器人的动力学模型, 修正了因波动摩擦力矩带来的关节力矩计算误差. 通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性, 采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模. 通过添加傅里叶级数函数作为BP神经网络的辅助输入, 克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难. 在离线环境下训练神经网络, 完成对关节波动摩擦力矩的建模, 进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩. 验证实验表明, 使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩, 并使修正后的力矩误差维持在[-0.5, 0.5] N·m的范围之内, 方差为0.1659 N2·m2, 是修正前的24.23%

一、问题的提出 二、三角级数三角函数系的正交性 三、函数展开成傅里叶级数 四、小结思考题

Fourier 级数的分析性质 为简单起见，假定 f x( )的周期为2π。 首先，利用 Riemann 引理可以直接得出 定理 16.3.1 设 f x( )在[−π,π]上可积或绝对可积，则对于 f x( )的 Fourier 系数an与bn，有

Dirichlet 积分 仔细观察上一节中的几幅图像后可以得到这样的直觉：对于一般 的以2π为周期的函数 f x( )，除了个别点之外（看来是不连续点），当 m → ∞ 时，它的 Fourier 级数的部分和函数序列{ m xS )( }

4.2泰勒(Taylor)级数 一元函数 f(x)在x的某邻域内有任意阶导数

一、交错级数及其审敛法 二、绝对收敛与条件收敛 三、 阿贝尔判别法和狄里克雷判别法

一、问题的提出 二、级数的概念 三、基本性质 四、收敛的必要条件