针对气动机械手动态特性强、特征状态难捕捉,导致稳定性控制误差较大的问题,提出一种基于仿生群智能优化径向基函数(Radial Basis Function Network,RBF)神经网络的气动机械手稳定运动控制方法。建立线性传递函数,计算气动回路中液压元...针对气动机械手动态特性强、特征状态难捕捉,导致稳定性控制误差较大的问题,提出一种基于仿生群智能优化径向基函数(Radial Basis Function Network,RBF)神经网络的气动机械手稳定运动控制方法。建立线性传递函数,计算气动回路中液压元件、气源装置、气压过滤装置、过滤器、调压阀以及压力计算器等元件间气动稳定关系,获取气动机械手回路状态。通过仿生群混合蛙跳算法智能优化RBF神经网络,根据机械手自由臂模型,建立坐标轴,计算机械臂各个关节角的自由度参数,根据机械手速度自由度、位移以及角度关系自由度设置比例-积分-微分(Proportion Integration Differentiation,PID)控制器,完成气动机械手稳定性控制输出。实验结果表明;该方法控制精准度高,在X轴、Y轴和Z轴方向上加速度曲线的波动性最小,具有良好的控制性能。展开更多
