01
绪论：为什么要做参数辨识？
工业机器人精度瓶颈与辨识的价值
精度动机
02
运动学基础回顾
DH参数法、齐次变换矩阵、正运动学建模
DH矩阵
03
误差源分析
几何参数误差、非几何参数误差（柔性、齿轮间隙）
几何柔性
04
误差建模方法
基于MDH模型的误差模型推导
MDH建模
05
位置误差模型
建立末端位置误差与连杆参数误差的线性关系
位置线性
06
姿态误差模型
建立末端姿态误差与连杆参数误差的线性关系
姿态线性
07
全位姿误差模型
位置与姿态耦合的完整误差模型
耦合完整
08
辨识模型线性化
雅可比矩阵的构建与最小二乘形式
雅可比最小二乘
09
测量设备介绍
激光跟踪仪、球杆仪、视觉测量系统的原理与选型
激光视觉
10
测量位姿选择
可观测性指标与最优测量位姿规划
可观测性规划
11
数据采集策略
滤波、去噪、异常值处理与数据归一化
滤波归一化
12
最小二乘法基础
普通最小二乘（OLS）与加权最小二乘（WLS）
OLSWLS
13
递推最小二乘
RLS算法原理与在线辨识应用
RLS在线
14
岭回归与正则化
解决病态矩阵与过拟合问题
正则化病态
15
卡尔曼滤波辨识
将参数辨识转化为状态估计问题
卡尔曼状态估计
16
扩展卡尔曼滤波（EKF）
处理非线性误差模型的辨识
EKF非线性
17
无迹卡尔曼滤波（UKF）
相比EKF的优势与实现
UKF无迹
18
粒子滤波辨识
非高斯噪声下的鲁棒辨识方法
粒子滤波鲁棒
19
神经网络辨识
BP网络与RBF网络在参数辨识中的应用
BPRBF
20
遗传算法辨识
全局优化算法解决多峰参数辨识问题
遗传全局
21
粒子群优化辨识
PSO算法原理与参数辨识实现
PSO粒子群
22
参数可辨识性分析
参数冗余检测与最小参数集提取
冗余最小集
23
辨识流程标准化
从数据采集到参数验证的完整Pipeline
Pipeline标准化
24
仿真验证方法
在仿真环境中验证辨识算法的准确性
仿真验证
25
实验设计与实施
真实机器人上的辨识实验步骤与注意事项
实验实施
26
辨识结果评估
残差分析、重复性精度与精度对比
残差精度
27
误差补偿策略
基于辨识参数的关节零位补偿与连杆参数修正
补偿零位
28
实时补偿系统
将辨识结果集成到机器人控制器中的架构设计
实时集成
29
案例研究1：六轴工业机器人
全参数辨识与补偿
六轴案例
30
案例研究2：协作机器人
柔性误差辨识与精度提升
协作柔性