为精确反映数字式涡流传感器的输入输出特性,为其非线性补偿提供可靠依据,对传统BP(BackPropagation)神经网络进行改进,利用LMBP(Levenberg-Marquart Back Propagation)神经网络和RBF(Radial BasisFunction)神经网络对涡流传感器的输入...为精确反映数字式涡流传感器的输入输出特性,为其非线性补偿提供可靠依据,对传统BP(BackPropagation)神经网络进行改进,利用LMBP(Levenberg-Marquart Back Propagation)神经网络和RBF(Radial BasisFunction)神经网络对涡流传感器的输入输出特性曲线进行拟合,并将两者拟合结果进行对比研究。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,采用RBF神经网络比采用LMBP神经网络进行曲线拟合的误差更小、收敛速度更快且具有更高的拟合精度,为工程实际中一维数据的拟合方法选择提供了依据。展开更多
考虑到黄瓜采摘机械手结构参数的微小偏差可能会对末端定位精度造成较大的影响,因此,利用高精度三坐标测量仪P latinum FaroArm对机械手的结构参数进行了标定,建立了基于修正参数的正运动学模型,在此基础上对理想逆运动学进行误差分析,...考虑到黄瓜采摘机械手结构参数的微小偏差可能会对末端定位精度造成较大的影响,因此,利用高精度三坐标测量仪P latinum FaroArm对机械手的结构参数进行了标定,建立了基于修正参数的正运动学模型,在此基础上对理想逆运动学进行误差分析,发现腰关节的角度误差远远大于位置编码器的精度。因此,提出采用LMBP神经网络算法求解修正后的关节角度,并将网络输出与理想逆运动学结合起来,达到补偿机械手定位精度的目的。为了验证算法的可行性,进行了仿真试验,结果表明:LMBP神经网络输出角度误差的最大值约为0.006 rad,能将末端位置误差从10.57mm补偿到3.77mm,大大提高了黄瓜采摘机械手的定位精度。展开更多
文摘为精确反映数字式涡流传感器的输入输出特性,为其非线性补偿提供可靠依据,对传统BP(BackPropagation)神经网络进行改进,利用LMBP(Levenberg-Marquart Back Propagation)神经网络和RBF(Radial BasisFunction)神经网络对涡流传感器的输入输出特性曲线进行拟合,并将两者拟合结果进行对比研究。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,采用RBF神经网络比采用LMBP神经网络进行曲线拟合的误差更小、收敛速度更快且具有更高的拟合精度,为工程实际中一维数据的拟合方法选择提供了依据。
文摘考虑到黄瓜采摘机械手结构参数的微小偏差可能会对末端定位精度造成较大的影响,因此,利用高精度三坐标测量仪P latinum FaroArm对机械手的结构参数进行了标定,建立了基于修正参数的正运动学模型,在此基础上对理想逆运动学进行误差分析,发现腰关节的角度误差远远大于位置编码器的精度。因此,提出采用LMBP神经网络算法求解修正后的关节角度,并将网络输出与理想逆运动学结合起来,达到补偿机械手定位精度的目的。为了验证算法的可行性,进行了仿真试验,结果表明:LMBP神经网络输出角度误差的最大值约为0.006 rad,能将末端位置误差从10.57mm补偿到3.77mm,大大提高了黄瓜采摘机械手的定位精度。
