排序方式: 共有23条查询结果,搜索用时 15 毫秒
1.
机器人多维力传感器标定Kalman滤波 总被引:1,自引:0,他引:1
在多维力传感器标定过程中,往往出现比较大测量噪声,零漂幅度较大,严重地限制了多维力传感器标定精度。鉴于KALMAN滤波器在滤除系统随机干扰噪声方面良好效果,并考虑到在力传感器标定加载前,噪声信号便于测量的特点。本文从单维力传感器入手,把标定测量模型简化为一阶惯性和零阶保持器串联,并把传感器的输入/输出分为有载荷作用和无载荷作用两个状态,分别推导出输入/输出关系,获得单维力传感器状态和测量方程,并进一步推导出单维力传感器KALMAN滤波算法。在合理假设基础上,再使单维力传感器标定KALMAN滤波算法推广到多维力传感器。标定实验表明,在多维力传感器标定中,KALMAN滤波有效地滤除了测量噪声,提高了标定精度。 相似文献
2.
针对可穿戴设备及共融机器人中的力/力矩测量需求,提出了一种基于相关向量机的人体股四头肌收缩力量估计方法,该方法具备采集设备安装方便、鲁棒性强且宜人性好等优点。通过采集人体股四头肌主要肌肉的MMG信号,提取平均绝对值MAV、平均功率频率MPF、样本熵SampEn及2个不同通道MMG信号之间的相关系数CC2Cs四个特征,利用基于稀疏贝叶斯理论的相关向量机算法RVM构建了MMG-肌肉收缩力量模型,并验证了所提方法的有效性和准确度。结果表明,同一参与者的模型估计结果的均方根误差RMSE为8.7%MVC(最大肌肉随意收缩力),决定系数R2为0.817,该方法是一种有效、适宜应用在可穿戴设备的人体股四头肌收缩力量估计方法。 相似文献
3.
基于Stewart平台的六维力传感器具有结构紧凑、刚度大、量程宽等特点,它在工业机器人、空间站对接等领域具有广泛的应用前景.好的标定方法是正确使用传感器的基础.由于基于Stewart平台的六维力传感器是一个复杂的非线性系统,所以采用常规的线性标定方法必将带来较大的标定误差从而影响其使用性能.标定的实质是,由测量值空间到理论值空间的映射函数的确定过程.由函数逼近理论可知,当只在已知点集上给出函数值时,可用多项式或分段多项式等较简单函数逼近待定函数.基于上述思想,本文将整个测量空间划分为若干连续的子测量空间,再对每个子空间进行线性标定,从而提高了整个测量系统的标定精度.实验分析结果表明了该标定方法有效. 相似文献
4.
针对六维力传感器的维间耦合严重影响测量精度的问题,本文提出了一种基于改进烟花算法优化极限学习机(IFWA-ELM)的解耦算法。首先,对烟花算法的爆炸半径、变异算子和选择策略进行改进,形成改进烟花算法(IFWA)。其次,采用改进烟花算法寻找极限学习机的最佳网络参数,解决极限学习机随机生成初始权值和阈值导致网络不稳定、隐含层神经元数量对网络性能影响较大的问题。为了验证算法的解耦性能,本文以应用于4500m深海机械臂的六维力传感器作为研究对象,采用最小二乘法(LS)、BP神经网络(BPNN)、极限学习机(ELM)和IFWA-ELM算法进行解耦实验。实验结果表明:IFWA-ELM算法具有较好的非线性解耦能力,解耦后Ⅰ类误差控制在0.27%以内,Ⅱ类误差控制在0.13%以内,有效提高了六维力传感器的测量精度。 相似文献
5.
6.
7.
正中国科学院合肥智能机械研究所智能机器人传感器实验室,是国家高技术研究发展计划(863计划)先进制造与自动化领域智能机器人传感技术网点实验室,以信息获取科学、人机交互临场感、多传感器信息融合与传输、运动生物力学工程和智能机器人应用为主要研究方向,开展力信息获取和感知系统、智能机器人及其关键技术、数字运动员和运动员指导系统等方面的工作。一、传感器系统及其应用本实验室围绕多维力传感器的关键技术,以研究六维力传感器的结构和信息处理为切入点,研制机器人六维腕力/指力/脚踝力传感器、多维阵列式类皮肤传感 相似文献
8.
9.
10.