초과중복 로봇 팔의 동역학 모델을 정확하게 식별하기 위해, 반복 최적화와 신경망 보상을 기반으로 하는 반파라미터 동역학 모델 식별 방법이 제안되었다. 먼저, 초과중복 로봇 팔의 동역학 모델과 최소 파라미터 집합을 소개하고, 관절 비선형 마찰 모델을 구축하였으며, 유전 알고리즘을 사용해 회귀 행렬 조건수를 최적화하여 자극 경로를 생성하였다. 그 다음, 로봇 팔 동역학 모델의 물리적 타당성 제약을 설정하고, 반복 최적화 방법을 기반으로 두 층 순환 신경망을 설계하여 초과중복 로봇 팔의 관성 파라미터와 관절 마찰 모델을 식별하였다. 마지막으로, 데이터 세트를 활용해 BP 신경망을 훈련시켜 초과중복 로봇 팔의 반파라미터 동역학 모델을 얻었으며, 여러 알고리즘과 비교 분석을 수행하였다. 실험 결과, 기존 최소자승법과 가중 최소자승법과 비교했을 때, 관절 식별 토크 잔차의 평균 제곱근 오차(Root Mean Square, RMS) 합이 각각 32.81%와 23.76% 향상되었고, 반파라미터 동역학 모델은 완전 파라미터 동역학 모델에 비해 토크 잔차 평균 제곱근 오차 합이 23.56% 개선되어 식별 방법의 유효성과 우수성을 검증하였다.

초과중복 로봇 팔; 동역학 모델 식별; 반복 최적화; 반파라미터 동역학 모델