为提高机器人动力学参数辨识的准确性,提出了一种基于迭代加权最小二乘(Iterative Reweighted Least Squares,IRLS)算法的辨识方法。首先推导了机器人的线性动力学模型,随后提出了一种改进摩擦模型,并设计了改进傅里叶级数作为激励轨迹...为提高机器人动力学参数辨识的准确性,提出了一种基于迭代加权最小二乘(Iterative Reweighted Least Squares,IRLS)算法的辨识方法。首先推导了机器人的线性动力学模型,随后提出了一种改进摩擦模型,并设计了改进傅里叶级数作为激励轨迹采集数据。为提升动力学参数辨识的准确性,在加权最小二乘法基础上进行改进,提出了IRLS算法对动力学参数进行辨识。最后以六自由度机器人为试验对象,进行了参数辨识试验。结果表明,基于IRLS算法的辨识方法与加权最小二乘法相比,前3个关节力矩误差的均方根(Root Mean Square,RMS)值降低了13.28%,后3个关节力矩误差的RMS值降低了28.57%,6个关节力矩误差的RMS值平均降低了17.15%,证明了基于IRLS算法的辨识方法的有效性。展开更多
In this paper, we proposed an iterative reweighted l1?penalty regression approach to solve the line spectral estimation problem. In each iteration process, we first use the ideal of Bayesian lasso to update the sparse...In this paper, we proposed an iterative reweighted l1?penalty regression approach to solve the line spectral estimation problem. In each iteration process, we first use the ideal of Bayesian lasso to update the sparse vectors;the derivative of the penalty function forms the regularization parameter. We choose the anti-trigonometric function as a penalty function to approximate the?l0? norm. Then we use the gradient descent method to update the dictionary parameters. The theoretical analysis and simulation results demonstrate the effectiveness of the method and show that the proposed algorithm outperforms other state-of-the-art methods for many practical cases.展开更多
针对零件缺陷、反光或是环境光照不足不均,提出了一种通过卷积神经网络(CNN)一次定位,再二次运用改进迭代重加权最小二乘法(Iterative Reweighted Least Squares,以下简称IRLS)进行筛选和拟合进而进行二次定位的方法。在一次定位时,训...针对零件缺陷、反光或是环境光照不足不均,提出了一种通过卷积神经网络(CNN)一次定位,再二次运用改进迭代重加权最小二乘法(Iterative Reweighted Least Squares,以下简称IRLS)进行筛选和拟合进而进行二次定位的方法。在一次定位时,训练模型的准确率和召回率分别达到98.2%和97.4%,结合二次定位识别率为99.1%,相较于常规形态学筛选和模板匹配在复杂光照下的识别率分别提高了31.9%和15.5%。二次定位时,圆孔的最大定位误差为0.65mm,平均误差0.31mm。对比Hough法和CNN直接定位,最大误差分别减少了33.0%和53.9%,平均误差分别减少了36.7%和50.8%。展开更多
针对小型异构件激光检测精度不稳定、标定复杂、鲁棒性差等问题,建立基于标准球的eye to hand手眼标定模型,研究球心拟合、模型求解两个影响手眼标定精度的重要因素,提出一种基于加权的改进方案。首先,对扫描截面进行半径拟合及分析,获...针对小型异构件激光检测精度不稳定、标定复杂、鲁棒性差等问题,建立基于标准球的eye to hand手眼标定模型,研究球心拟合、模型求解两个影响手眼标定精度的重要因素,提出一种基于加权的改进方案。首先,对扫描截面进行半径拟合及分析,获取标准球最优检测区域,降低标定数据采集误差;其次,用最小二乘法初步计算球心坐标,提取各个采集点误差;再次,根据误差设定阈值,通过TuKey权重函数对各采集点重新加权迭代求解,精确求解球心坐标;最后通过重加权最小二乘对标定模型求解,去除误差较大点对标定结果的影响。结果表明:优化方案相较于原有方案最大误差减少了57.2%,平均误差减少了49.7%,提高了标定的精度和抗干扰能力。展开更多
文摘为提高机器人动力学参数辨识的准确性,提出了一种基于迭代加权最小二乘(Iterative Reweighted Least Squares,IRLS)算法的辨识方法。首先推导了机器人的线性动力学模型,随后提出了一种改进摩擦模型,并设计了改进傅里叶级数作为激励轨迹采集数据。为提升动力学参数辨识的准确性,在加权最小二乘法基础上进行改进,提出了IRLS算法对动力学参数进行辨识。最后以六自由度机器人为试验对象,进行了参数辨识试验。结果表明,基于IRLS算法的辨识方法与加权最小二乘法相比,前3个关节力矩误差的均方根(Root Mean Square,RMS)值降低了13.28%,后3个关节力矩误差的RMS值降低了28.57%,6个关节力矩误差的RMS值平均降低了17.15%,证明了基于IRLS算法的辨识方法的有效性。
文摘In this paper, we proposed an iterative reweighted l1?penalty regression approach to solve the line spectral estimation problem. In each iteration process, we first use the ideal of Bayesian lasso to update the sparse vectors;the derivative of the penalty function forms the regularization parameter. We choose the anti-trigonometric function as a penalty function to approximate the?l0? norm. Then we use the gradient descent method to update the dictionary parameters. The theoretical analysis and simulation results demonstrate the effectiveness of the method and show that the proposed algorithm outperforms other state-of-the-art methods for many practical cases.
文摘针对零件缺陷、反光或是环境光照不足不均,提出了一种通过卷积神经网络(CNN)一次定位,再二次运用改进迭代重加权最小二乘法(Iterative Reweighted Least Squares,以下简称IRLS)进行筛选和拟合进而进行二次定位的方法。在一次定位时,训练模型的准确率和召回率分别达到98.2%和97.4%,结合二次定位识别率为99.1%,相较于常规形态学筛选和模板匹配在复杂光照下的识别率分别提高了31.9%和15.5%。二次定位时,圆孔的最大定位误差为0.65mm,平均误差0.31mm。对比Hough法和CNN直接定位,最大误差分别减少了33.0%和53.9%,平均误差分别减少了36.7%和50.8%。
文摘针对小型异构件激光检测精度不稳定、标定复杂、鲁棒性差等问题,建立基于标准球的eye to hand手眼标定模型,研究球心拟合、模型求解两个影响手眼标定精度的重要因素,提出一种基于加权的改进方案。首先,对扫描截面进行半径拟合及分析,获取标准球最优检测区域,降低标定数据采集误差;其次,用最小二乘法初步计算球心坐标,提取各个采集点误差;再次,根据误差设定阈值,通过TuKey权重函数对各采集点重新加权迭代求解,精确求解球心坐标;最后通过重加权最小二乘对标定模型求解,去除误差较大点对标定结果的影响。结果表明:优化方案相较于原有方案最大误差减少了57.2%,平均误差减少了49.7%,提高了标定的精度和抗干扰能力。
