Stepwise Model Reconstruction of Robotic Manipulator Based on Data-Driven Method

要約

ロボットマニピュレータのダイナミクスに関する研究は、モデルベースの制御の有望なサポートを提供します。
一般に、モデルベースの制御で高精度を達成するには、厳密な第一原理ベースのダイナミクスモデリングと機構パラメーターの正確な特定が不可欠ですが、データ駆動型モデルの再構築は、上記のプロセスの代替アプローチを提供します。
データの活性化のレベルを指標として取り上げ、本論文では収集されたロボットマニピュレータデータをK-meansクラスタリングアルゴリズムによって分類した。
基本的な事前知識を使用して、分類されたデータの背後にある対応する動的特性を個別に見つけます。
その後、非線形ダイナミクスのスパース同定 (SINDy) 法を使用して、分類されたデータの活性化レベルに従ってロボットマニピュレーターのダイナミクスモデルを段階的に再構築します。
シミュレーション結果は、提案された方法が基底関数ライブラリの複雑さを軽減し、SINDy 法の多自由度ロボットマニピュレーターへの適用を可能にするだけでなく、回帰結果に対するデータノイズの影響も軽減することを示しています。
最後に、再構成されたモデルに基づく動的制御が実験プラットフォームに展開され、実験結果は提案手法の有効性を証明します。

要約(オリジナル)

Research on dynamics of robotic manipulators provides promising support for model-based control. In general, rigorous first-principles-based dynamics modeling and accurate identification of mechanism parameters are critical to achieving high precision in model-based control, while data-driven model reconstruction provides alternative approaches of the above process. Taking the level of activation of data as an indicator, this paper classifies the collected robotic manipulator data by means of K-means clustering algorithm. With the fundamental prior knowledge, we find the corresponding dynamical properties behind the classified data separately. Afterwards, the sparse identification of nonlinear dynamics (SINDy) method is used to reconstruct the dynamics model of the robotic manipulator step by step according to the activation level of the classified data. The simulation results show that the proposed method not only reduces the complexity of the basis function library, enabling the application of SINDy method to multi-degree-of-freedom robotic manipulators, but also decreases the influence of data noise on the regression results. Finally, the dynamic control based on the reconfigured model is deployed on the experimental platform, and the experimental results prove the effectiveness of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google