基于遗传神经网络的加速度传感器动态建模方法

提出了利用遗传神经网络实现加速度传感器动态建模的新方法，介绍动态建模原理以及算法，给出用遗传神经网络建立的加速度传感器动态数学模型。该方法利用加速度传感器的动态标定数据，采用遗传神经网络搜索和优化动态模型参数。这样，既保留遗传算法的全局搜索能力，克服神经网络容易陷入局部极小的缺陷，又具有神经网络局部搜索能力强的特点。结果表明：以上提出的动态建模方法具有建模精度高、鲁棒性好等优点。     

传感器动态建模FLANN方法改进研究

提出一种改进的函数连接型神经网络(FLANN),并将其应用于传感器动态建模.首先,将单输入单输出(SISO)的传感器系统表达为动态差分方程模型;再充分考虑动态模型输出的历史值与参数之间的关系,对模型输出与参数的偏导数进行重新推导,得到了对权值参数偏导数的更高精度估计;最后,利用该模型梯度进行迭代训练,加快了网络收敛速度并提高了收敛的稳定性.实验结果表明,改进FLANN具有更快的收敛速度和更强的鲁棒性,十分适合传感器动态系统的建模.     

一种六维腕力传感器动态响应的研究

十字梁腕力传感器广泛应用于机器人系统。腕力传感器的响应特性决定了传感应变片的粘贴和传感器的标定方法，也影响机器人系统的动态特性。针对十字梁六维腕力传感器的结构特点，以Lagrange方程为基础，建立六维腕力传感器的动力学模型，研究腕力传感器在力（力矩）作用下的响应特性以及传感器参数对传感器响应的影响。     

基于传感器的操作臂惯性参数在线识别神经网络模型

机器人惯性参数识别是机器人精确建模以及机器人控制和仿真的关键问题之一。机器人腕力传感器的接入将影响机器人系统的动力学特性 ,同时腕力传感器的输出也真实地反映了机器人的力作用和机器人末端的动力学特性。本文基于腕力传感器的输出信号 ,对在线识别机器人操作臂末端的惯性参数的方法进行了分析和研究 ,并建立了惯性参数在线识别的神经网络模型 ,网络学习后其权值即为辨识的惯性参数。     

基于遗传算法和Elman神经网络的接触式探头动态特性补偿

动态特性不理想是接触式探头系统动态测量误差的重要来源,严重制约探头测量速度和精度的提升。提出一种基于遗传算法优化Elman神经网络的探头动态特性补偿方法。针对微纳米接触式探头,采用遗传算法优化Elman神经网络的方法对其动态响应输出信号进行了补偿,使用自适应递推最小二乘方法辨识出补偿前后的探头系统动态模型。探头系统的动态测量不确定度由补偿前的77.8 nm减小至12.1 nm。遗传算法具有较好的全局搜索能力,克服了Elman神经网络容易陷入局部极值的缺陷,该动态补偿方法具有较快的网络训练速度和较高的动态补偿精度。仿真分析及不确定度评定结果都验证了该方法的有效性。     

相关小波法在腕力传感器动态特性分析中的研究

在机器人腕力传感器的动态特性分析中，最关键的步骤之一是从传感器输入输出信号中提取精确的脉冲响应函数和频响函数。介绍了一种新的提取腕力传感器脉冲响应函数的方法——相关小波法。在建立腕力传感器的简化动力学模型的基础上，模拟了机器人与环境相互碰撞及机器人在强噪声环境中的典型工作条件，用相关小波法提取了模型系统的脉冲响应函数和频响函数，并与传统的FFT方法进行了比较。结果表明，相关小波法比FFT方法具有更明显的优势，获得了更高精度的脉冲响应函数和频响函数的提取。相关小波法为腕力传感器，同时也为其他传感器的动态特性分析提供了一种新的、有效的方法。     

基于FLANN的腕力传感器动态建模方法

本文将联接型神经网络（ＦＬＡＮＮ）引入传感器动态特性的研究。,利用神经元网络良好的逼近能力,建立腕力传感器的动态数学模型。该方法所建模型阶次低,准确度高,对数据个数和采样频率无特殊要求,比其它更为有效和实用。     

航天机器人用六维力传感器信号处理系统研究

介绍航天机器人用六维腕力传感器信号处理系统的硬件、软件构成。由于航天机器人的特殊要求,设计的信号处理系统具有高精度、高可靠性通讯和数据处理速度快等特点,并首次在传感器实际应用中实现了动态补偿。     

遗传算法和人工神经网络在ITS中的应用

针对遗传算法(Genetic Algorithm,GA)和人工神经网络(Artificial Neural Network,ANN)的优缺点,提出了将遗传算法与人工神经网络有机结合起来的遗传-神经网络(Genetic Neural Network,GNN)优化计算模型,既利用了遗传算法能并行计算且能快速、全局搜索的优点,又克服了神经网络固有的搜索速度慢且易陷入局部早熟的缺点.结果表明遗传-神经网络算法能加快非线性模型的收敛速度,具有较强的鲁棒性,在ITS中有着广泛的应用前景.     

基于改进GA-BP神经网络的湿度传感器的温度补偿

针对自动气象站采用的HMP45D型湿度传感器测量精度易受温度影响的问题,通过对遗传算法中的编码方式、适应度函数和参数进行改进研究,利用改进的遗传算法(genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的初始权值阈值进行优化,在较大的范围进行搜索,采用反向传播算法在较小范围内进行微调,优化网络结构和参数,提出了用改进遗传算法优化BP神经网络的方法,根据在多温度条件下湿度传感器的实测数据,对利用此方法建立的模型进行温度补偿研究,并结合一般BP神经网络方法进行分析比较.实验结果表明,该方法具有全局寻优能力,补偿精度高,收敛速度快,能够有效补偿温度对湿度传感器的影响,大大提高了湿度传感器的测量准确度.     

传感器动态补偿的神经网络逆系统方法

给出一种基于神经网络逆系统的传感器动态补偿策略。无需传感器具体模型和参数，即可实现传感器系统的近似单位线性化，达到动态补偿的目的。仿真实验和动态标定试验结果表明，应用这种新型的易于工程实现的动态补偿方法可显著地提高传感器的动态特性，有效改善传感器的动态品质。     

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.     

应用递推神经网络的传感器动态建模研究

根据动态校准实验结果建立传感器的动态数学模型 ,以研究传感器的动态性能 ,是动态测试的一个重要内容。研究了递归神经网络模型在传感器动态建模中的应用。递归神经网络模型采用具有输入层、中间层、输出层的三层网络结构 ,整个网络的特性决定于相邻层间的连接权。采用递推预报误差算法训练神经网络 ,具有收敛速度快、收敛精度高的特点。由于其反馈特征 ,使得递归神经网络模型能获取系统的动态响应特性。该方法特别适用于传感器非线性动态建模 ,而且避免了传感器模型阶次的选择的困难。试验结果表明 ,应用递归神经网络对传感器进行动态建模是一种行之有效的方法     

一类异类无线传感器网络节点调度问题研究

针对一类以配置了多种传感器的节点组成的,部分传感器完全覆盖,部分传感器局部覆盖的异类无线传感器网络节点调度问题,提出了一种基于改进遗传算法的优化策略.在构建网络模型的基础上,建立了节点调度分化策略,提出了冗余信息度的概念来描述网络能耗效率,并设计了以冗余信息度和不同传感器目标区域感知覆盖率为优化目标的改进多目标遗传算法NSGAⅡ,用于求解节点分化策略.仿真结果表明,该方法可以通过迭代得到收敛的Pareto最优解,并为传感器网络提供一个多目标Pareto最优节点分化策略方案集,供不同应用选择.     

APPROACH TO IMPROVEMENT OF ROBOT TRAJECTORY ACCURACY BY DYNAMIC COMPENSATION

Some dynamic factors, such as inertial forces and friction, may affect the robot trajectory accuracy. But these effects are not taken into account in robot motion control schemes. Dynamic control methods, on the other hand, require the dynamic model of robot and the implementation of new type controller. A method to improve robot trajectory accuracy by dynamic compensation in robot motion control system is proposed. The dynamic compensation is applied as an additional velocity feedforward and a multilayer neural network is employed to realize the robot inverse dynamics. The complicated dynamic parameter identification problem becomes a learning process of neural network connecting weights under supervision. The finite Fourier series is used to activate each actuator of robot joints for obtaining training samples. Robot control system, consisting of an industrial computer and a digital motion controller, is implemented. The system is of open architecture with velocity feedforward function. The proposed m     

基于小波变换的机器人腕力传感器滤波算法

在对机器人腕力传感器信号特点分析基础上，提出了应用小波变换对腕力传感器信号进行滤波的方法，讨论了小波滤波算法，研究了机器人腕力传感器信号滤波方案，并针对抛光机器人作业实验数据进行滤波。仿真实验表明方法有效。