This thesis introduces a new approach to the problem of estimating the parameters of a dynamic model of a robotic manipulator using force-and-motion data collected from the manipulator.

As an alternative to commonly used least-square estimation techniques, bounded-error estimation is proposed, whereby worst-case bounds on the parameter estimates are computed based upon non-restrictive assumptions on the total error in the data, which can include systematic errors arising from unmodelled dynamics of the robot. It is argued that computing such worst-case bounds gives one a direct assessment of the accuracy, not only the precision, of the parameter estimates and offers insight into the usefulness of the model itself.

As a means of dealing with the comple."àty of the robot dynamics equations, the use of special test motions is adopted. By considering a very general definition of a test motion, it is shawn how a large number of simplified dynamics equations can be generated in syrnbolic fonn for a given robot dynamics model, each of which may have unique properties beneficial in the context of robot parameter estimation. The use of a sequence of test motions for estimating all identifiable parameters of a dynamic model is then discussed. The "bestn test-motion sequence is defined as one that minimizes an objective function that is the average of the uncertainties in the parameters it estimates.

An evolutionary-type algorithm for estimating the identifiable parameters in a robot dynamics model is then described. This algorithm searches for the "best" test-motion sequence described above. The algorithm maintains a population of individuals, each of which is a test-motion sequence. As the algorithm mns, test-motion sequences grow and recombine into larger test-motion sequences, and undergo a selection process whereby only the better test-motion sequences survive, as defined by the above-mentioned objective function. In order to sample a broad but manageable area of the search space of test-motion sequences, the algorithm features the use of a heuristic initial population generation algorithm that produces an initial population of "good" test-motion sequences based upon qualitative symbolic properties of the test-motion equations.

A new method for determining "exciting" trajectories for robot parameter estimation experiments is described. This method is distinguished from methods reported in the literature in that it is purely symbolic and is geared to the use of special test motions. The method is demonstrated on a stand-alone example. Then, it is described how the method can be incorporated in the preceding heuristic initial population generation algorithm.

The evolutionary robot parameter estimation algorithm is then tested experimentally using data from an actual Puma 560 industrial robot. The algorithm is run separately using both the joint-torque model and the base-reaction models. It is shawn that meaningful estimate bounds can be obtained for many of the parameters, and correspond with previous estimates reported in the literature.

L'auteur présente une nouvelle méthode d'estimation des paramètres du modèle dynamique d'un robot manipulateur qui utilise des données de force et de mouvement obtenues du manipulateur.

Comme alternative aux techniques d'estimation par moindres-carrés courantes, la méthode d'estimation à erreurs bornées est proposée. Des bornes sur les valeurs des paramètres estimés sont calculées soumis à des suppositions non-restrictives impliquant les erreurs totales des données. Ces dernières peuvent inclure les erreurs systématiques provenant de la dynamique non-modélisée du robot. L'auteur démontre que de telles bornes donnent une mesure de l'exactitude, et non seulement de la précision, des valeurs des paramètres estimés et un aperçu de l'utilité du modèle lui-même.

Comme moyen de traiter la complexité des équations des robots manipulateurs, des trajectoires d'essai spéciales sont adoptées. Proposant une définition générale d'une trajectoire d'essai spéciale, l'auteur explique comment un grand nombre d'équations dynamiques simplifiées peuvent être générées sous forme symbolique pour un modèle de robot manipulateur déterminé, chacune de ces équations possédant des propriétés avantageuses dans le contexte de l'estimation des paramètres. L'emploi de séries de trajectoires d'essai pour l'estimation de tous les paramètres identifiables est discuté. La meilleure série de trajectoires d'essai est définie comme celle qui minimise un critère qui est la moyenne des incertitudes des paramètres estimés par la série.

Un algorithme à stratégie d'évolution pour l'estimation des paramètres identifiables d'un modèle de robot manipulateur est présenté. L'algorithme cherche la meilleure des séries de trajectoires d'essai décrites ci-dessus. L'algorithme maintient une population d'individus qui sont chacun une série de trajectoires d'essai. Pendant que l'algorithme progresse, les séries s'agrandissent et se recombinent en séries plus longues, et sont soumises à un processus de sélection où seulement les meilleures survivent, selon le critère décrit ci-dessus. Pour échantillonner une région de l'espace de recherche qui soit large mais aussi traitable, l'algorithme emploie une stratégie de génération de population initiale heuristique qui produit une population initiale de "bonnes71 séries de trajectoires d'essai en se basant uniquement sur les propriétés symboliques des équations des trajectoires d'essai.

Une nouvelle méthode pour déterminer des trajectoires "excitatrices" dans les expériences d'estimation des paramètres est proposée. La méthode se distingue des méthodes courantes par le fait qu'elle est purement symbolique et orientée vers l'utilisation de séries de trajectoires d'essai. La méthode est illustrée par un exemple. Par la suite, on décrit comment elle peut être incorporée dans l'algorithme de génération de population initiale décrit ci-dessus.

L'algorithme à stratégie d'évolution pour l'estimation des paramètres identifiables d'un robot manipulateur est validé avec des données du robot Puma 560. L'algorithme est appliqué séparément avec les modèles couple-articulation et réaction à la base. Les résultats, qui concordent avec ceux qui ont été publiés, démontrent comment des bornes réalistes peuvent être calculées pour beaucoup de paramètres.