Friction compensation and external force estimation for robotic systems using a fuzzy neural network approach

Wan, Jun (avtor), Zhou, ZiHao (avtor), Yun, Nuo (avtor), Zhang, Xiao Yong (avtor), Tang, Jinlong (avtor), Wang, Kehong (avtor)

To address inaccurate external force estimation caused by nonlinear friction in robotic systems, this paper proposes a friction compensation and external force estimation method based on an adaptive neuro-fuzzy inference system (ANFIS). The approach integrates Stribeck friction modeling with a Takagi–Sugeno fuzzy inference structure to identify joint friction parameters from measured data. Experimental results show that ANFIS yields lower identification errors and better generalization performance than baseline methods including fuzzy neural networks, particle swarm optimization, and least squares. The implemented feedforward compensation strategy achieves maximum torque errors of 0.263 Nm and 0.184 Nm for the two joints, lower than those obtained by the compared approaches. By incorporating the identified friction model into a generalized momentum observer with median and Butterworth filtering, the proposed method reduces the root mean square error and maximum absolute error by 18.3 % and 27.9 %, respectively, and achieves a coefficient of determination (R²) of 0.994. In collision detection tests, the method identifies impact events with reduced false alarm rates under the same experimental settings, supporting its applicability to high-precision force control in robotic applications.

• Jezik: Angleški jezik
• Ključne besede: Stribeck model, fuzzy neural networks, friction compensation, external force estimation
• Vrsta gradiva: Članek v reviji
• Tipologija: 1.01 - Izvirni znanstveni članek
• Organizacija: FS - Fakulteta za strojništvo
• Status publikacije: Objavljeno
• Različica publikacije: Objavljena publikacija
• Leto izida: 2026
• Št. strani: Str. 40-51
• Številčenje: Vol. 72, no. 1/2
• PID: 20.500.12556/RUL-181068
• UDK: 531.43:004.032.26:007.52
• ISSN pri članku: 0039-2480
• DOI: 10.5545/sv-jme.2025.1489
• COBISS.SI-ID: 272814339
• Datum objave v RUL: 24.03.2026

Gradivo je del revije

• Naslov: Strojniški vestnik = Journal of mechanical engineering
• Skrajšan naslov: Stroj. vestn.
• Založnik: Univerza v Ljubljani, Fakulteta za strojništvo = University of Ljubljana, Faculty of Mechanical Engineering, Univerza v Mariboru, Fakulteta za strojništvo = University of Maribor, Faculty of Mechanical Engineering, Zveza strojnih inženirjev Slovenije = Association of Mechanical Engineers of Slovenia, Gospodarska zbornica Slovenije, Združenje kovinske industrije = Chamber of Commerce and Industry of Slovenia, Metal Processing Industry Association
• ISSN: 0039-2480
• COBISS.SI-ID: 762116

Licence

• Licenca: CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
• Povezava: http://creativecommons.org/licenses/by/4.0/deed.sl
• Opis: To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

• Jezik: Slovenski jezik
• Naslov: Kompenzacija trenja in ocena zunanjih sil v robotskih sistemih z uporabo mehkih nevronskih mrež

Izvleček

Za odpravo nenatančne ocene zunanjih sil, ki je posledica nelinearnega trenja v robotskih sistemih, je predlagana metoda kompenzacije trenja in ocene zunanjih sil na osnovi prilagodljivega nevro-mehkega inferenčnega sistema (ANFIS). Pristop združuje Stribeckov model trenja s Takagi–Sugeno mehko-inferenčno strukturo za identifikacijo parametrov trenja v sklepih na podlagi izmerjenih podatkov. Eksperimentalni rezultati kažejo, da ANFIS dosega manjše identifikacijske napake in boljšo sposobnost posploševanja v primerjavi z referenčnimi metodami, kot so mehke nevronske mreže, optimizacija z rojem delcev in metoda najmanjših kvadratov. Implementirana kompenzacijska strategija vnaprejšnjega (feedforward) krmiljenja doseže največje napake navora 0,263 Nm in 0,184 Nm za oba sklepa, kar je manj kot pri primerjanih pristopih. Z vključitvijo identificiranega modela trenja v posplošeni opazovalnik momenta s filtrom na osnovi mediane in Butterworthovim filtriranjem predlagana metoda zmanjša srednjo kvadratno napako (RMSE) in največjo absolutno napako za 18,3 % oziroma 27,9 % ter doseže koeficient determinacije (R²) 0,994. V preizkusih zaznavanja trkov metoda zazna udarne dogodke z nižjo stopnjo lažnih alarmov pri enakih eksperimentalnih pogojih, kar potrjuje njeno uporabnost za visoko natančno krmiljenje sil v robotskih aplikacijah.

• Ključne besede: Stribeckov model, mehke nevronske mreže, kompenzacija trenja, ocena zunanjih sil

Projekti

• Financer: Drugi - Drug financer ali več financerjev
• Program financ.: National Natural Science Foundation of China
• Številka projekta: 52305381

• Financer: Drugi - Drug financer ali več financerjev
• Program financ.: Fundamental Research Funds for the Central Universities
• Številka projekta: 30924010937