• 《工程索引》(EI)刊源期刊
  • 综合性科学技术类中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深度循环神经网络的协作机器人动力学误差补偿

徐征 张弓 汪火明 侯至丞 杨文林 梁济民 王建 顾星

徐征, 张弓, 汪火明, 侯至丞, 杨文林, 梁济民, 王建, 顾星. 基于深度循环神经网络的协作机器人动力学误差补偿[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2020.04.30.003
引用本文: 徐征, 张弓, 汪火明, 侯至丞, 杨文林, 梁济民, 王建, 顾星. 基于深度循环神经网络的协作机器人动力学误差补偿[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2020.04.30.003
Error compensation of collaborative robot dynamics based on deep recurrent neural network[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2020.04.30.003
Citation: Error compensation of collaborative robot dynamics based on deep recurrent neural network[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2020.04.30.003

基于深度循环神经网络的协作机器人动力学误差补偿

doi: 10.13374/j.issn2095-9389.2020.04.30.003
详细信息
  • 中图分类号: TP242.2

Error compensation of collaborative robot dynamics based on deep recurrent neural network

计量
  • 文章访问数:  780
  • HTML全文浏览量:  221
  • PDF下载量:  20
  • 被引次数: 0
出版历程
  • 网络出版日期:  2020-07-21

基于深度循环神经网络的协作机器人动力学误差补偿

doi: 10.13374/j.issn2095-9389.2020.04.30.003
  • 中图分类号: TP242.2

摘要: 机器人动力学模型的建立及其参数辨识对优化控制和人机交互的实现具有重要意义。针对协作机器人动力学模型难以建立与辨识,导致机器人计算预测力矩误差较大的问题,提出在考虑重力、Coriolis力、惯性力和摩擦力等的基础上,采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。计算与实验结果表明,补偿后的协作机器人动力学模型对实际力矩具有良好的预测效果,各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%,表明了文中所提出补偿方法的有效性。

English Abstract

徐征, 张弓, 汪火明, 侯至丞, 杨文林, 梁济民, 王建, 顾星. 基于深度循环神经网络的协作机器人动力学误差补偿[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2020.04.30.003
引用本文: 徐征, 张弓, 汪火明, 侯至丞, 杨文林, 梁济民, 王建, 顾星. 基于深度循环神经网络的协作机器人动力学误差补偿[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2020.04.30.003
Error compensation of collaborative robot dynamics based on deep recurrent neural network[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2020.04.30.003
Citation: Error compensation of collaborative robot dynamics based on deep recurrent neural network[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2020.04.30.003

目录

    /

    返回文章
    返回