| 并联机器人视觉盲区末端位姿检测方法 |
| |
| 引用本文： | 高国琴,韩滢. 并联机器人视觉盲区末端位姿检测方法[J]. 计算机测量与控制, 2020, 28(9): 100-105 |
| |
| 作者姓名： | 高国琴 韩滢 |
| |
| 作者单位： | 江苏大学电气信息工程学院,江苏镇江212013;江苏大学电气信息工程学院,江苏镇江212013 |
| |
| 基金项目： | 国家自然科学基金资助项目(51375210)；镇江市重点研发计划(GZ2018004)；江苏高校优势学科建设工程资助项目(苏政办发[2014]37号)。 |
| |
| 摘 要： | 为解决并联机器人末端执行器受机构支路遮挡造成的双目视觉盲区末端位姿错误检测问题,提出一种运动学正解结合混合优化RBF神经网络(RBFNN)误差补偿的视觉盲区末端位姿检测方法。首先在非视觉盲区采集RBFNN训练样本,其中运动学正解为输入样本,运动学正解和视觉检测位姿的差值为输出样本；然后进行训练,并采用GWO(Grey Wolf Optimization)算法和LM(Levenberg-Marquardt)算法混合优化权值；最后将训练好的网络用于视觉盲区,通过对运动学正解进行误差补偿以提高末端位姿检测精度。实验结果表明,与未补偿的检测方法相比,混合优化RBFNN补偿后的末端位姿检测方法,其末端位姿分量x,y,z,γ的误差平均绝对值分别降低了54.4%、67.7%、54.7%和52.9%,误差标准差分别降低了52.9%、62.8%、51.9%和58.8%,验证了所提方法的有效性。
|
| 关 键 词： | 并联机器人 视觉盲区 运动学正解 RBF神经网络 GWO算法 末端位姿检测 |
| 收稿时间： | 2020-02-18 |
| 修稿时间： | 2020-03-18 |
Pose detection for visual blindness of parallel robot |
| |
| Abstract: | |
| |
| Keywords: | parallel robot visual blindness direct kinematics RBF neural network Grey Wolf Optimization algorithm pose detection |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机测量与控制》浏览原始摘要信息 |
|
点击此处可从《计算机测量与控制》下载免费的PDF全文 |
|
