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%

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性

在空间问题中,力矩使物体转动的效果具有三个因素: 力作用线与矩心所决定的平面的方位;力矩的大小;力 矩矩心所决定的平面内的转向。 力矩是力使物体绕点转动效果的度量,这三个因素表 明,力矩可以用矢量来表示:用矢量的方位表示力矩作 用面法线的方位,用矢量的长度按一定的比例表示力矩 的大小,矢量的指向按右手螺旋法则表示力矩的转向。 此矢量称为力对点的矩矢

1）熟悉力矩的概念，掌握合力矩定理 2）掌握力偶的性质及力偶系的合成方法 3）掌握力偶系作用下物体的平衡条件及其应用 2.教学重点：力矩的计算，合力矩定理，力偶系作用下物体的平衡条件及其应用 3.教学难点：合力矩定理的应用，力偶的性质

§12-1 渐近法概述 §12-2 力矩分配法的基本概念 §12-3 单结点的力矩分配 §12-4 多结点的力矩分配

第十七章力矩分配法 一、力矩分配法的基本原理 二、力矩分配法的基本概念 三、力矩分配法计算无侧移结构

第一节力矩分配法的基本原理 第二节力矩分配法的基本概念口 第三节力矩分配法计算无侧移结构

4-4力矩的功刚体绕定轴转动的动能定理 一、力的空间累积效应: 力的功、动能、动能定理 二、力矩的空间累积效应: 力矩的功、转动动能、动能定理

本文从分析轧制力、力矩的主要影响因素入手,根据斜轧球磨机钢球的轧制力、力矩的实测数据,进行回归分析,导出了计算斜轧钢球轧制力、力矩可使用的半经验公式。通过初步校核,证明本公式计算简单,使用方便,数据可靠,准确

第三章力矩与平面力偶 第一节力矩的概念与计算 力对点之矩是度量力使刚体绕该点转动效应的物理量