基于六维腕力传感器的机械手运动补偿研究

六维腕力传感器是一个弹性系统，腕力传感器力（力矩）输出是以传感器的弹性体结构变形为前提。本文以腕力传感器坐标系内的微分运动为基础，研究了带六维腕力传感器的机器人系统运动方程误差及误差矩阵；提出了运动方程误差矩阵的补偿方法；并以PUMA560机器人为例，给出了一个计算实例。     

基于六维腕力传感器的操作臂动力学递推方程

机器人与环境作用时,由于环境的不确定性,无法知道机器人与环境的作用力,使得Newton-Euler力后向递推方程不能应用。腕力传感器的力（力矩,全文同）信号真实地反映了环境与机器人之间的作用力以及机器人系统的力传输特征。本文基于六维腕力传感器的力信息,提出了腕力传感器前段基于传感器信息的力前向递推公式;分析了因为传感器材料变形对腕力传感器前段运动和末端精确定位的影响。     

一种具有简单结构的机器人腕力传感器

本文提出了一种机器人六维腕力传感器，传感器具有结构简单，工作可靠的优点，内置放大器方法可以减小环境对有用信号的影响，不同力／力矩与信号之间耦合很小。     

基于六维腕力传感器的机械手动态响应研究

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影响机器人系统的动态特性,也决定了传感器应变片的粘贴和传感器的标定方法,本文针对安装有十字梁六维腕力传感器的机械手系统的结构特点,以Lagrange方程为基础,建立机械手的动力学模型。研究机械手在力（力矩）作用下的响应特性以及机械手系统参数对机械手末端响应的影响。     

基于补偿模糊神经网络的数控机床热误差预报模型

文章提出了一种基于补偿模糊神经网络的数控机床热误差预报模型,讨论了该模型的详细结构、模糊规则、训练算法及相关技术问题,并给出了智能预报结果和精度评价.     

基于LMBP神经网络的振弦式传感器温度补偿

针对振弦式传感器精度受温度变化影响较大的问题,采用人工神经网络法对其进行数据融合处理,由于传统BP网络存在收敛速度慢等缺点,提出了利用优化的LMBP算法来保证网络的收敛速度与稳定性的统一,并根据多温度条件下的实测数据,对振弦式传感器温度补偿模型进行了有效辨识.实验结果表明:LMBP网络对温度补偿效果明显,提高了传感器的精度及其稳定性.     

机器人腕力传感器动态特性的数值分析与实验验证

用有限元法分析了机器人腕力传感器的动态特性，进行了仿真计算，考察了结构参数对动态特性的影响。又用频模态参数辨识方法实测了传感器的动态参数。数值分析与实验结构吻合较好。     

液压机械补偿功率回收模型参考模糊神经网络控制

介绍了液压系统试验中机械补偿功率回收的原理,建立了压力系统的数学模型.针对机械补偿功率回收系统影响压力的非线性因素多且多为缓变的特点,为满足试验要求提出了采用模型参考的模糊神经网络,提出了该网络实现的形式,设计了模糊神经网络和误差的逼近算法,根据要求确定了参考模型等.仿真结果表明:该控制方法能有效地跟踪参考模型,改变对象参数及负载输出压力无变化,能很好地满足试验要求.     

四足仿生机器人足部六维力传感器设计

为获得四足仿生机器人足底所受六维力/力矩,结合机器人足部结构特点,提出了一种新型六维力传感器结构.介绍了该传感器的结构特点和测力原理,采用有限元方法对传感器弹性体进行静态和模态特性仿真,获取了该弹性体的变形图、应变云图、模态振型和固有频率,分析得出了传感器弹性体应变曲线、灵敏度和维间干扰情况.结果表明该传感器结构具有测量灵敏度高、维间干扰小,以及弹性体固有频率高等特点,满足四足仿生机器人足部测力的需求.     

基于模糊神经网络补偿的刚性机械手轨迹跟踪鲁棒控制

对存在模型误差和外部扰动信号的刚性机器人,提出采用计算力矩和模糊神经网络补偿相结合的控制方法,实现了刚性机器人轨迹跟踪鲁棒控制.该控制方案不仅可以简单得到精确在线训练数据,而且克服了神经网络控制实时性差的弱点.仿真结果表明,采用模糊神经网络作为补偿控制器,既能消除不确定性对系统的影响,又能得到渐近收敛的跟踪误差.     

透镜抛光机床模糊控制的神经网络方法

把模糊技术与神经网络方法相结合,采用五层前馈型神经网络,实现了抛光过程的神经网络模糊控制。应用结果表明,其控制效果明显优于一般Ｆｕｚｚｙ控制。     

Tool wear detection with fuzzy classification and wavelet fuzzy neural network

In the paper, a new method of tool wear detection with cutting conditions and detected signals is presented, which includes the model of wavelet fuzzy neural network with acoustic emission (AE) and the model of fuzzy classification with motor current. The results of tool wear estimated by cutting conditions and detected signals (spindle motor current, feed motor current and AE) are fused by fuzzy inference. Experimental results show that the method of tool wear detection is reliable and practical.     

基于模糊神经网络的电液比例恒排量调节轴向柱塞泵自学习控制

首次将神经网络自学习控制方法应用于电液比例恒排量调节轴向柱塞泵,明显改善了变量泵调节系统的跟随特性。实验结果表明：该方法与传统方法比,不仅能够缩短系统输入阶跃的响应时间,而且对系统未知的外加干扰、系统参数时变特性和非线性有较强的自适应能力     

On-line tool wear estimation in CNC turning operations using fuzzy neural network model

In recent past, several neural network models which employ cutting forces and AErms or their derivatives for estimation as well as classification of flank wear have been developed. However, a significant variation in mean cutting forces and AErms at the start of cutting operation for similar new tools can result in estimation and classification error. In order to deal with this problem, a new on-line fuzzy neural network (FNN) model is presented in this paper. This model has four parts. The first part of the model is developed to classify tool wear by using fuzzy logic. The second part of this model is designed for normalizing the inputs for the next part. The third part consisting of modified least-square backpropagation neural network is built to estimate flank and crater wear. The development of forth part was done in order to adjust the results of the third part. Several basic and derived parameters including forces, AErms, skew and kurtosis of force bands, as well as the total energy of forces were employed as inputs in order to enhance the accuracy of tool wear prediction. The experimental results indicate that the proposed on-line FNN model has a high accuracy for estimating progressive flank and crater wear with small computational time.     

起重机钢丝绳受力状况实时监测无线传感网

起重机钢丝绳受力不均匀会产生重大的安全隐患.本文讨论了钢丝绳受力不均匀的可能原因;分析了通过对钢丝绳旁侧压力的测量,获得钢丝绳张力数据的方法;提出了基于传感网络,实现对钢丝绳受力状态的的实时监测,并给出了钢丝绳受力状况实时监测无线传感网络的设计.     

基于人工神经网络的QCr0.5热反挤压力预测模型

以铬青铜热反挤压过程中凸模锥角、断面缩减率以及温度和挤压力的关系为研究对象，在Matlab语言环境下，以高温反挤压试验数据作为训练和预测样本，用2、3节点的双隐层BP型神经网络对钢材单位挤压力进行了预测。结果表明此方法预测铬青铜反挤压力是有效和可行的。     

BP神经网络在轧制力计算中的应用

针对传统轧制力模型不能提供足够精确的预报值问题,采用BP神经网络技术能够提供了一个崭新的建模工具,该技术有很多算法,本文利用不同算法的BP网络对中国重型机械研究院设计的1450六辊冷轧机轧制压力进行了预报,结果显示traingdx算法误差较小,平均偏差为0．016,计算结果比较精确。     

推送系统的模糊神经网络控制

将模糊逻辑推理方法与神经网络技术相结合组成的模糊神经网络控制器,可利用神经网络的高效和并行学习机理对模糊逻辑系统进行学习和修正,大大改善了系统的学习性能,仿真结果表明这种控制器不仅算法简单,控制实时性也高。