腕力传感器动态补偿的两种自适应方法

根据腕力传感器动态特性随负载情况而变化这一特点，本文提出自适应动态补偿方法，自适应动态补偿器能够自动高速自身的参数，以跟踪传感器模型的变化，始终保证动态响应的快速性，本文给出了两咱实施方法，研究结果表明，自适应补偿的效果非常明显。     

腕力传感器动态补偿数字滤波器的设计

依据自动控制原理,针对腕力传感器,采用零极点相消的方法,设计了动态补偿数字滤波器,大幅度改善其动态响应.     

基于FLANN的称重传感器动态补偿方法

为满足快速称重的要求,结合遗传算法寻优速度快和函数联接型神经网络(FLANN)有较强的函数逼近能力的优点,设计了一种基于遗传算法优化的FLANN补偿器,实现对称重传感器的动态特性补偿。采用遗传算法优化FLANN的连接权值。仿真表明:阶跃响应时间快,且超调量小,有效地提高了称重传感器的动态响应过程,且方法简单,易于工程实现,具有实用价值。     

机器人腕力传感器自动标定的方法

利用微型计算机控制机器人操作手及进行信号处理,求解矩阵而得到标定结果,可对机器人腕力传感器进行自动标定。文中对矩阵求解、系统构成、标定方法和步骤以及标定误差进行了分析。     

测定机器人腕力传感器动态性能的模型和方法的探讨

提出机器人脑力传感器的简化力学模型,探讨测定传感器动态性能指标的方法以及提高测定精度的途径.     

机器人腕力传感器的动态负载效应

本文从时域和频域两方面研究机器人腕力传感器在加载情况下的动态响应，进行动态建模和频谱分析，探讨负载效应的影响。     

机器人腕力传感器弹性体应力分析

建立了机器人腕力传感器弹性有限元计算模型，分析传感器弹性体在种种工况下的应用分布规律，为改进传感器弹性体设计，实现弹性体的ＣＡＤ进行前期的准备。     

单片机8098在机器人腕力传感器的应用

本文介绍一种用于机器人腕力传感器的８０９８单片机系统，该系统具有双极性的１１位Ａ／Ｄ转换功能，以及与外围微型计算机进行串行与并行通讯等功能。     

六维腕力传感器阶跃响应的实验建模

基于阶跃响应法的动态标定实验数据,采用系统辨识方法建立机器人六维腕力传感器 6个转换通道的动态数学模型,确定频域性能指标,全面、准确地描述传感器的动态特性．     

并联预紧式六维力传感器动态力响应分析

提出一种并联预紧式双层结构六维力传感器,介绍了该传感器的结构特点和优点.并基于多自由度系统振动力学对该六维力传感器进行动态力响应分析.首先结合该传感器的结构特点对其进行静力学分析,在此基础上建立了传感器系统的振动力学模型;然后推导出系统的运动微分方程,通过求解运动微分方程,得到了系统在动态力作用下广义坐标的响应以及各分...     

Matlab 在六维腕力传感器系统标定中的应用

通过VC调用Matlab函数引擎,利用Matlab的有关函数和工具箱,对六维腕力传感器进行了静态解耦分析,并对动态特性做了研究。     

传感器动态非线性补偿方法及DSP实现

利用Hammerstein模型描述传感器的动态非线性。动态非线性环节表示为静态非线性子环节和动态线性子环节的串联,相应的动态非线性补偿分为两个阶段：动态线性补偿和静态非线性校正。通过仿真和对腕力传感器响应的补偿验证了两阶段补偿方法的可行性。研制了基于DSP的动态非线性实时补偿系统,通过实验验证了动态非线性补偿方法的有效性。     

A Hybrid Intelligent Active Force Controller for Articulated Robot Arms Using Dynamic Structure Neural Network

The key feature of this paper is the application of a robotic control concept – Active Force Control (AFC). In this type of control, the unknown friction effect of the robotic arm may be compensated by the AFC method. AFC involves the direct measurement of the acceleration and force quantities and therefore, the process of estimating the system disturbance due to friction becomes instantaneous and purely algebraic. However, the AFC strategy is very practical provided a good estimation of the inertia matrix of articulated robot arm is acquired. A dynamic structure neural network – Growing Multi-experts Network (GMN) is developed to estimate the robot inertia matrix. The growing and pruning mechanism of GMN ensures the optimum size of the network that results in an excellent generalization capability of the network. Active Force Control (AFC) in conjunction with GMN successfully reduces the velocity and position tracking errors in spite of robot joint friction. The embedded GMN is capable of coupling the inertia matrix estimation on-line that clearly enhances the performance of AFC controller. The robustness and effectiveness of the new hybrid neural network-based AFC scheme are demonstrated clearly with regard to two link articulated robot and a simulated two-degree of freedom Puma 560 robot.     

基于FLNN的加速度传感器动态特性补偿方法

对加速度传感器动态性能进行分析,提出其动态性能补偿的神经网络方法,介绍了补偿原理以及神经网络算法,给出用函数连接型神经网络建立的加速度传感器动态补偿网络的数学模型。结果表明:这种补偿模型精度高、能实现在线修正,有良好的鲁棒性及动态补偿器实现简单等优点。     

基于连杆力矩传感器动态补偿的机器人灵巧手笛卡儿阻抗控制

为了对连杆空间力矩传感器进行动态补偿,提出了适用于求取串联机器人任意连杆中任意一点处所受的内力和内力矩的算法.该算法采用连杆假想截断原理利用牛顿-欧拉方程推导而出.推导过程综合考虑了串联机器人是否处于静态以及末端是否受外力作用的情况,以及串联机器人的关节是否是回转关节的情况.然后利用该算法计算动态补偿值,构建了基于连杆力矩传感器动态补偿的笛卡儿阻抗控制器.最后在HIT/DLR Hand II五指灵巧手上进行了实验验证.实验结果一方面验证了该算法的有效性,另一方面也验证了本文所构建的笛卡儿阻抗控制器的有效性.     

传感器性能实时评估方法

为了实时监视传感器的工作状态,基于传感器的性能指标,确定了以传感器输出数据有效度作为评估基准的评估方法。该方法采用小波实时滤波技术对传感器的输出时间序列进行滤波处理,运用人工神经网络预测传感器输出值,并与实测值进行比较求出残差,由此来确定传感器的有效度指数。实验结果表明,本文提出评估传感器性能的方法是实时有效的,并能够在线检测过程参数的突变情况。     

冲击波压力传感器组件动态特性补偿研究

为抑制爆炸场寄生效应,冲击波压力传感器须采取相应抑制措施,这使得传感器组件工作频带变窄,导致测量失真。因此须对传感器组件进行动态补偿,以实现工程无失真测量。首先,对典型冲击波压力传感器组件进行动态校准,并通过微分法得到其动态特性非参数模型;然后,进行了动态特性参数模型辨识,通过设计动态补偿数字滤波器,对典型传感器组件进行了0~40 kHz的动态补偿,并验证其科学性和有效性;最后,对典型爆炸冲击波压力信号进行了动态补偿。该研究对提高冲击波压力测量精度、准确评估毁伤威力具有重要意义。     

基于复合RBFNN的数字温度传感器误差补偿方法

数字温度传感器存在零点误差与非线性误差,需要进行误差补偿.提出了一种复合径向基函数神经网络(CRBFNN)的数字温度传感器误差补偿方法:首先根据数字温度传感器的误差特征,构造两个相互独立的子RBFNN网络,获得两个独立的冗余补偿值;然后根据特征阈值、数字温度传感器的输出估计器和权值调节器,获得复合RBFNN输出融合权值...     

一种动态非线性模型传感器的辨识和补偿方法

针对利用Wiener模型表达的具有动态非线性的传感器进行系统辨识和性能补偿。将系统分解为动态非线性环节和静态线性环节,利用函数链人工神经网络和遗传算法分别进行系统辨识,通过静态非线性补偿将系统简化为线性系统,再进行动态性能补偿。利用LabVIEW设计虚拟仪器,经过仿真表明该方法是有效的。