超冗長マニピュレータの動力学モデルを正確に同定するために、反復最適化とニューラルネットワーク補償に基づく半パラメトリック動力学モデル同定法を提案した。まず、超冗長マニピュレータの動力学モデルと最小パラメータ集合を紹介し、関節の非線形摩擦モデルを構築し、遺伝的アルゴリズムを用いて回帰行列の条件数を最適化して励起軌跡を生成した。次に、マニピュレータ動力学モデルの物理的実現可能性制約を確立し、反復最適化手法に基づいて二層の循環ネットワークを設計し、超冗長マニピュレータの慣性パラメータと関節摩擦モデルの同定を行った。最後に、データセットを用いてBPニューラルネットワークを訓練し、超冗長マニピュレータの半パラメトリック動力学モデルを得て、複数のアルゴリズムと比較分析を行った。実験結果は、従来の最小二乗法および加重最小二乗法と比較して、関節同定トルク残差の二乗平均平方根（Root Mean Square, RMS）の和がそれぞれ32.81％および23.76％向上し、半パラメトリック動力学モデルは全パラメトリック動力学モデルと比較してトルク残差二乗平均平方根の和が23.56％向上し、同定結果が提案手法の有効性と優越性を実証した。

超冗長マニピュレータ;動力学モデル同定;反復最適化;半パラメトリック動力学モデル