标题：基于增强深度拉格朗日神经网络的机械臂系统辨识
作者：朱纪辉
作者单位：华中科技大学人工智能与自动化学院，湖北 武汉 430074
关键字：工业机械臂；动力学建模；系统辨识；深度拉格朗日神经网络
摘要：机械臂是工业自动化领域中的重要执行部件，而精确的动力学模型对于机械臂的高精度控制至关重要。传统的基于线性化模型的辨识方法缺乏非线性处理的能力。近年来，基于深度拉格朗日神经网络（DeLaN）的多体建模方法，实现了可解释性的广义力建模，但是缺乏包含摩擦力的全面的建模和学习策略。针对这些问题，提出一种结合非线性摩擦力的增强DeLaN系统辨识方法（E-DeLaN），设计了结合正动力学、逆动力学、能量等物理信息的学习策略，进一步提升建模的物理可解释性和建模精度。基于ER3A-C60六轴机械臂平台进行实验，与其他先进方法进行对比，结果表明所提出的辨识方法具有更高的辨识精度。