基于数据驱动方法的机械臂逐步模型重构

机械臂动力学的研究为基于模型的控制提供了有前景的支撑。通常，严格的基于第一性原理的动力学建模与机构参数的精确辨识对于实现基于模型控制中的高精度至关重要，而数据驱动的模型重构为上述过程提供了替代途径。以数据的激活程度作为指标，本文借助 K-means 聚类算法对采集到的机械臂数据进行分类。结合基础先验知识，我们分别找到了分类数据背后对应的动力学特性。随后，使用非线性动力学的稀疏辨识（SINDy）方法，依据分类数据的激活程度逐步重构机械臂的动力学模型。仿真结果表明，所提方法不仅降低了基函数库的复杂度，使 SINDy 方法能应用于多自由度机械臂，还减弱了数据噪声对回归结果的影响。最后，基于重构模型的动态控制被部署于实验平台，实验结果证明了所提方法的有效性。