| 优化极限学习机算法及其在力信息解耦中的应用 |
| |
| 引用本文： | 徐家琪,伍万能,孙炜,王耀南,梁桥康.优化极限学习机算法及其在力信息解耦中的应用[J].传感技术学报,2019,32(10):1487-1492. |
| |
| 作者姓名： | 徐家琪 伍万能 孙炜 王耀南 梁桥康 |
| |
| 作者单位： | 湖南大学电气与信息工程学院,长沙,410082;湖南大学电气与信息工程学院,长沙410082;机器人视觉感知与控制技术国家工程实验室,长沙410082;湖南大学电气与信息工程学院,长沙410082;机器人视觉感知与控制技术国家工程实验室,长沙410082;电子制造业智能机器人湖南省重点实验室,长沙410082 |
| |
| 基金项目： | 国家自然科学基金项目(61673163)、湖南省科技计划项目(2017XK2102)、湖南省重点实验室开放基金项目(1RT2018003) |
| |
| 摘 要： | 高性能解耦算法有助于提高多维力传感器的检测精度。针对传统非线性解耦算法存在精度较低等缺点,对极限学习机算法进行了优化和改进,并将其应用于多维力信息解耦。在基于粒子群和遗传算法两种改进极限学习机算法(PSO-ELM、GA-ELM)的基础上,提出了一种基于天牛须算法的改进极限学习机(BAS-ELM),天牛须算法针对极限学习机隐含层节点参数的每一维进行逐步的优化,使得整体损失函数最小。为验证算法性能,本文以六维力/力矩传感器为实验对象,将各类改进算法应用到力/力矩传感器的非线性解耦中,通过解耦实验可知,与其他算法相比,BAS-ELM解耦精度更高、收敛时间更短,对于非线性解耦具有更强的适应性。
|
| 关 键 词： | 多维力传感器 静态解耦 极限学习机 天牛须算法 粒子群算法 遗传算法 |
Optimized Extreme Learning Machines and Their Application in Decoupling of Multi-Component Force Information |
| |
| XU Jiaqi,WU Wanneng,SUN Wei,WANG Yaonan,LIANG Qiaokang.Optimized Extreme Learning Machines and Their Application in Decoupling of Multi-Component Force Information[J].Journal of Transduction Technology,2019,32(10):1487-1492. |
| |
| Authors: | XU Jiaqi WU Wanneng SUN Wei WANG Yaonan LIANG Qiaokang |
| |
| Affiliation: | (College of Electrical and Information Engineering,Hunan University,Changsha 410082,China;National Engineering Laboratory for Robot Vision Perception and Control Technologies,Changsha 410082,China;Hunan Key Laboratory of Intelligent Robot Technology in Electronic Manufacturing,Changsha 410082,China) |
| |
| Abstract: | XU Jiaqi;WU Wanneng;SUN Wei;WANG Yaonan;LIANG Qiaokang(College of Electrical and Information Engineering,Hunan University,Changsha 410082,China;National Engineering Laboratory for Robot Vision Perception and Control Technologies,Changsha 410082,China;Hunan Key Laboratory of Intelligent Robot Technology in Electronic Manufacturing,Changsha 410082,China) |
| |
| Keywords: | multi-axis force/moment sensor static decoupling extreme learning machine beetle antennae search algorithm particle swarm optimization genetic algorithm |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|
