大量程柔性铰六维力传感器静态解耦的研究

为提高大量程六维力传感器的测量精度,提出了一种新型的六维力传感器非线性静态解耦方法,该方法结合混合递阶遗传算法和小波神经网络的优点,采用递阶遗传算法与最小二乘法分别对小波神经网络隐层结构参数以及输出层权值进行优化,再将优化后的小波神经网络模型用于六维力传感器非线性解耦.建立了基于混合递阶遗传算法和优化小波神经网络的六维力传感器非线性解耦模型,设计了基于混合递阶遗传算法的小波神经网络结构及参数优化算法,给出了六维力传感器非线性解耦的具体实现流程.以最新研制的6-UPUR大量程柔性铰六维力传感器为对象进行实验,结果表明,采用该方法六维力传感器的Ⅰ类误差和Ⅱ类误差分别为1.25％和2.59％,比采用BP和RBF神经网络方法的测量精度高.     

基于ReLU函数的胎路接触三向力传感器解耦方法北大核心CSCD

针对轮胎路面接触三向力传感器维间耦合解耦困难的问题,提出基于线性整流函数(rectified linear unit, ReLU)神经网络的解耦算法。以三向力传感器作为研究对象,首先进行单轴加载的静态标定试验,并分析3个方向下单轴加载的耦合力,然后应用基于线性整流函数神经网络解耦算法以及传统的解耦算法对试验数据进行数值解耦。分析比较试验数据,所提算法得到的最大Ⅰ类误差、Ⅱ类误差分别为0.91%、0.87%,而传统算法最大Ⅰ类误差、Ⅱ类误差分别为3.08%、11.95%,进一步提高了三向力传感器的测量精度。     

正交并联六轴力传感器耦合误差测量模型及实验分析

为解决并联六轴力传感器量程提升受限问题,设计了一种正交构型并联六轴力传感器。正交并联六轴力传感器是基于并联六轴力传感器的一种构型上的改进,具有承载能力强、解耦性能良好的优势,但同时该力传感器的耦合误差输出具有自身的特点。考虑该力传感器测量分支间摩擦以及正交结构自身特点引起的耦合误差输出,建立了正交并联六轴力传感器耦合误差测量模型。基于所建立的测量模型,通过数值算例分析探讨了传感器设计参数与两种耦合误差输出之间的影响关系,据此研制了一种正交并联六轴力传感器。最后对传感器样机进行了实验,得到其误差分布及检验测量精度。实验所得传感器各维力/力矩在各方向误差分别为0.43%/0.31%,0.18%/0.68%,0.80%/1.28%。     

面向运动力学测量的无线六维力传感器

针对目前六维力传感器普遍存在的体积偏大、操作繁琐、应用场景复杂的问题,设计了一种基于电阻应变原理的小型化无线六维力传感器。首先,基于十字横梁结构设计传感器的弹性体,并通过ANSYS软件进行结构静力学分析,确定了传感器的最优结构尺寸;其次,基于传感器小型化和无线传输的设计要求,设计了传感器的内部硬件电路,包括四等臂全桥电路、两级放大电路以及数据采集与传输电路,有效减小了传感器的体积,增强了灵活性;最后,设计并优化了静态标定方法及静态解耦算法,降低了传感器的维间耦合干扰,提高了测量精度。实验结果表明,该传感器室内无线传输距离达到8 m,传输速率满足中低频力信号测量,Ⅰ类与Ⅱ类误差均满足在高精度要求场合的使用。     

改进粒子群优化BP神经网络的六维力传感器解耦研究

传统BP神经网络解耦算法可实现六维力传感器解耦,但在训练过程中容易出现振荡,收敛速度慢,陷入局部极值等问题,应用效果不理想。文中提出一种基于改进粒子群BP神经网络算法,应用到六维力传感器解耦,提高了线性解耦算法精度,同时利用粒子群算法(PSO)对BP神经网络进行优化,利用适应度函数对训练过程中得到的解进行评价,追随当前最优解搜寻全局最优。实验仿真结果表明:在六维力传感器解耦应用中,该算法实现容易,收敛速度快,解耦精度高,达到了预期的应用效果。     

基于结构变形的大型并联六维力传感器精度研究

为了研究结构变形对大型六维力传感器精度的影响,基于螺旋理论及影响系数方法,并借助位姿解建立了考虑结构整体变形条件下Stewart平台六维力传感器测量误差模型,推导出并联六维力传感器测量的Ⅰ,Ⅱ类误差表达式,分析了在不同外载下,六维力传感器Ⅰ,Ⅱ类误差,总结了结构变形和平台自重对传感器测量精度的影响规律,为具有普通球形铰链大型Stewart平台六维力传感器标定方案的选择和精度的改善提供了理论基础.     

基于RBF网络的智能气敏传感器温度补偿

研制出一种基于ARM7的智能气敏传感器,通过测量气敏薄膜的电阻,并将所测阻值和气体浓度进行校准,从而显示气体浓度。为了减小温度漂移带来的附加误差,提高传感器的测量精度,将气敏传感器所测量的电阻值与加热电压作为神经网络的输入,气体浓度值为输出,构造了一个双输入单输出的RBF神经网络温度补偿模型。采用RBF网络的带遗忘因子的梯度下降算法进行RBF网络的参数调整,实验表明RBF算法学习速度快,精度高。对实验中采集的数据进行非线性补偿后,误差保持在1.5%以内,大大提高了传感器的性能和测量精度,该装置能够很好地对环境中的气体进行监控。     

基于BP神经网络的三维力传感器静态标定方法研究

三维力传感器作为测力平台的核心元件,其测量精度直接影响测力平台的使用效果,而维间耦合问题是影响精度的主要方面。文章首先讨论了三维力传感器传统的静态标定方法在消除耦合误差方面的应用,并在方法缺陷分析的基础上,提出了新的三维力解耦方法——基于BP神经网络的解耦方法,继而对两种方法进行误差分析,验证了神经网络方法在多维力传感器解耦中的可行性和优越性。     

双层预紧式六维力传感器及其静态标定

针对基于传统Stewart结构六维力传感器在解耦、刚度等方面性能的不足,设计并研制一种双层预紧式六维力传感器,并对其进行静态标定试验研究.所设计的六维力传感器采用球窝锥头式球面副代替传统球副,有效地减小了球副的摩擦力矩,另外测量分支只承受压力,消除了力在换向时对接触球面的冲击,提高了整体刚度.基于螺旋理论推导出传感器所施加外力与测量分支轴向力之间的映射关系,进而说明预紧式六维力传感器的测量原理.采用最小二乘线性化标定方法对传感器进行静态解耦和测量误差分析,推导出传感器的标定矩阵和误差矩阵.研制出双层预紧式六维力传感器样机,并进行静态标定试验.经过标定试验,该传感器各方向最大非线性度误差低于满量程的1.17％,最大耦合误差低于满量程的1.82％.试验结果表明双层预紧式六维力传感器具有很高的测量精度,可用于工业生产中对六维力测量要求较高的场合.     

并联式六维加速度传感器的误差及容错处理

基于解耦算法研究了并联式六维加速度传感器的误差特性和容错策略。通过引入"辅助角速度"的概念,并借助于四元数将旋转参量扩展至四维空间,得到了两个形式简单的递推公式,实现了六维加速度的完全解耦。通过剖析解耦机理,找到了影响解耦精度的3类误差源,并分析了它们的产生原因。通过构建辅助角速度误差与源误差、输出误差之间的映射关系,推导出了3组基本误差方程的解析表达式,据此揭示了各误差因素的影响规律。仿真试验与数学推导的结果吻合得较好,验证了误差方程及规律的有效性。从尺度约束的角度挖掘出弹性体拓扑构型中隐藏的变形协调条件,推导出了3个力协调方程,由此给出了一种可解决93个组合故障问题的容错处理方案。样机试验结果显示,局部支链出现故障后重构系统的综合解耦误差不超过8.5%,基本满足测量要求,验证了容错处理方案的可行性,同时也表明并联式六维加速度传感器具备一定的鲁棒性。     

基于神经网络的光纤布拉格光栅触觉信号解耦研究

针对应用于电子皮肤的柔性光纤布拉格光栅触觉传感器的输出信号是施加载荷位置、大小等信息的非线性、多维耦合问题,在对光纤布拉格光栅触觉传感阵列进行力学有限元仿真的基础上,提出了将误差逆传播神经网络和径向基函数神经网络应用于仿真和实验的触觉信号解耦方法。对实验数据的神经网络解耦结果表明,相对于误差逆传播神经网络,径向基函数神经网络具有更强的抗噪声能力,能够更好地逼近含有噪声的触觉多维非线性实验数据之间的映射关系。经径向基函数神经网络解耦后,传感器阵列的空间分辨率为5 mm,对压力位置和大小感知的最小相对误差为3.00%和4.82%。本文的研究成果对开展电子皮肤柔性触觉传感器的研究和推广具有一定的实用价值。     

基于SSA-ELM的双层十字梁结构光纤布拉格光栅传感器三维力解耦

针对三维力传感器维间耦合干扰严重的问题,以双层十字梁结构光纤布拉格光栅三维力传感器为研究对象,提出了基于麻雀搜索算法优化极限学习机(Sparrow Search Algorithm–Extreme Learning Machine,SSA-ELM)的解耦算法.首先,研究了光纤布拉格光栅的传感及测力原理,揭示该三维力传感...     

基于神经网络的多维力传感器静态解耦的研究

提出了基于人工神经网络进行多维力传感器静态解耦的方法。维间耦合是制约多维力传感器测量精度的主要因素，为克服传统线性解耦方法的局限性，利用BP神经网络的强非线性逼近能力研究了多维力传感器的非线性静态解耦。以研制的微型5维指尖力／力矩传感器为对象进行了解耦实验，结果表明，与基于最小二乘的线性解耦方法相比，提高了解耦精度。     

多维力/力矩传感器静态解耦的研究

多维力 /力矩传感器的静态耦合是影响其测量精度的主要因素之一。在研究基于最小二乘理论的多维力传感器静态线性解耦方法的同时 ,提出了一种基于 BP神经网络的静态非线性解耦方法。以 HIT灵巧手的微型五维指尖力 /力矩传感器为对象进行了实验 ,结果表明 ,基于神经网络的非线性解耦方法可以明显地提高传感器的测量精度     

轴向等距分布式外科手术多维力传感器设计

为了精确采集手术机器人的多维作用力,提出了一种轴向等距分布式多维力测量传感器及其解耦方案,根据三条光纤布拉格光栅(FBG)的受力情况通过最小二乘法进行初步解耦,鉴于多种外部因素所造成的传感器输入与输出数据的非线性关系,基于前馈神经网络实现传感器的最终解耦.实验结果表明,所提出的传感器测量精度较高,解耦方法切实有效,能够...     

基于最小二乘支持向量机的N型热电偶非线性校正及应用

本文针对具有小样本数据的N型热电偶在应用中存在的问题，提出了一种基于最小二乘支持向量机对热电偶进行非线性校正的方法，并与以往采用的BP网络、RBF网络和ANFIS校正方法进行了比较。结果表明，采用最小二乘支持向量机的校正精度高于以上3种校正方法；同时以阳极焙烧过程中料箱温度为对象进行了仿真和实际应用研究，取得了满意的结果。     

机器人基座六维力传感器重力补偿研究

机器人基座六维力传感器常受到安装精度和机器人重力影响而出现测量误差。为了解决这一问题,在利用 D-H 法建立机器人位姿模型的基础上,推导出基于最小二乘法的基座六维力传感器静态重力补偿算法。针对算法中需要采集大量机器人位姿数据的问题,采用正交实验法确定样本空间以减少位姿采集量。最后以六自由度协作机器人为例,利用 6 因素 5 水平的正交实验表获取机器人典型位姿,搭建数据采集平台,实现补偿算法所需数据的采集,求解该机器人的基座六维力传感器静态重力补偿矩阵。实验表明,该补偿算法能够有效得到基座六维力传感器测得的误差值。     

Design and fabrication of a six-dimensional wrist force/torque sensor based on E-type membranes compared to cross beams

This paper presents a novel device for measuring components of forces and moments along and about three orthogonal axes based on E-type membranes compared to conventional sensor based on cross beams. After design and analysis of both types of sensors, we chose to fabricate a six-dimensional wrist force/torque sensor based on E-type membranes. Furthermore, the calibration and decoupling based on Neural Network method were performed, and the sensor possesses excellent characteristics such as high measurement sensitivity, overload protection, good linearity, and weak couplings between components. Finally, its maximum interference error and nonlinearity error are 1.6% F.S. and 0.17% F.S., respectively.