期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
数据驱动的6R型串联工业机器人精度性能提升
1
作者 乔贵方 高春晖 +2 位作者 蒋欣怡 聂新港 刘娣 《组合机床与自动化加工技术》 北大核心 2024年第8期66-69,74,共5页
随着工业机器人在高端制造领域应用中的不断深入,其绝对定位精度低的问题越加凸显。研究了基于神经网络的机器人实际位姿误差预测问题,针对Staubli TX60型串联工业机器人进行了运动学建模和误差分析,并搭建了基于Leica AT960激光跟踪仪... 随着工业机器人在高端制造领域应用中的不断深入,其绝对定位精度低的问题越加凸显。研究了基于神经网络的机器人实际位姿误差预测问题,针对Staubli TX60型串联工业机器人进行了运动学建模和误差分析,并搭建了基于Leica AT960激光跟踪仪的机器人测量实验平台,测量并计算了大量末端位姿误差数据。设计并优化最佳DNN神经网络结构,利用该神经网络预测机器人实际位姿误差,避免了基于模型的机器人精度提升方法中复杂的误差建模。补偿后的机器人平均绝对位置误差和平均绝对姿态误差分别由补偿前的(0.671 12 mm, 0.002 86 rad)降低至(0.048 58 mm, 0.000 46 rad),位置精度提升92.76%,姿态精度提升83.92%。最后,通过与BP、Elman神经网络以及传统LM最小二乘标定方法进行对比实验,验证了基于DNN深度神经网络进行机器人位姿精度提升具有更好的平衡性。 展开更多
关键词 数据驱动 工业机器人 非模型标定 精度性能 机器人标定
下载PDF
基于DBO-PSO-BPNN的Stewart平台正运动学求解方法研究 被引量：1
2
作者 乔贵方 聂新港 +2 位作者 付冬梅 张颖 姚逸秋 《仪表技术与传感器》 CSCD 北大核心 2023年第12期94-98,共5页
为了提高Stewart并联机器人的正运动学解算精确度,文中首先建立了Stewart并联机器人的运动学模型,并提出了一种基于双级BPNN的神经网络结构,解决了位置数据和姿态数据量纲不同的问题;其次针对BPNN的阈值和权值优化初值的选择问题,提出... 为了提高Stewart并联机器人的正运动学解算精确度,文中首先建立了Stewart并联机器人的运动学模型,并提出了一种基于双级BPNN的神经网络结构,解决了位置数据和姿态数据量纲不同的问题;其次针对BPNN的阈值和权值优化初值的选择问题,提出了一种基于DBO-PSO的混合优化算法;最后为验证以上方法的效果,通过Stewart并联机器人的逆运动学构建了BPNN训练的数据集,并将提出的DBO-PSO的混合优化算法与DBO和PSO优化算法相比较,结果表明提出的基于DBO-PSO的双级BPNN具有更好的解算精度。 展开更多
关键词 STEWART并联机器人 正运动学 蜣螂优化算法 粒子群优化算法 BP神经网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部