基于遗传神经网络的机器人腕力传感器动态建模与补偿方法.pdf

第42卷第12期 机 械 工 程 学 报 v01．42No．12 2006年12月 Dec． 2006 ENGINEERING CHINESEJOURNALOFMECHANICAL 基于遗传神经网络的机器人腕力传感器 动态建模与补偿方法木 俞阿龙1黄惟一2秦刚2 (1．淮阴师范学院物理系淮安223001： 2．东南大学仪器科学与工程系南京210096) 摘要：介绍用于Motom锄v3x机器人上的新型多维腕力传感器，比较遗传算法与人工神经网络的特点，将遗传算 法的交叉和变异操作进行改进，提出一种融合改进遗传算法(GeIleticalg耐thm，GA)的函数连接型人工神经网络 lillk枷ficialneural (Fullctional ne帆ork，FL√6心N)，并将其用于所介绍的新型机器人腕力传感器动态建模与动态性能补 偿中。介绍动态建模与动态补偿原理及改进遗传神经网络算法，给出该传感器的动态模型和动态补偿模型。该方法 利用腕力传感器的动态标定数据，采用改进遗传神经网络搜索和优化模型参数，保留了遗传算法的全局搜索能力和 FLANN结构简单，鲁棒性好，且具备自学习能力的特点，克服了FLANN容易陷入局部极小的缺陷，具有快的网络 训练速度及高的动态建模精度。理论分析和试验结果都证实了所提出的动态建模与动态补偿方法的有效性。 关键词：机器人腕力传感器动态建模动态补偿函数连接型人工神经网络遗传算法 中图分类号：TP212 传感器动态特性研究中，动态建模和动态补偿是关 O前言 键内容。腕力传感器动态模型是研究其机理、评价 其性能、设计动态校正环节和改善动态特性的重要 依据，动态补偿是改善动态特性的重要手段【1_21。文 机器人腕力传感器是一个两端分别与机器人腕 献[3】介绍了腕力传感器动态建模与补偿方法进行 部和手爪相连接的力觉传感器。当机械手夹住工件 了较深入的研究，并把神经网络应用到其中。但神 进行操作时，它可以测出机械手与外部环境的接触 经网络全局搜索能力差、收敛速度慢，结果易陷入 力，即通过多维腕力传感器可以输出六维分力(三 局部极值，单独使用神经网络效果不是很理想【4】。 维力分量和三维力矩分量)，反馈给机器人控制系 al— 为此，提出用擅长全局搜索的遗传算法(Genctic 统，以控制或调节机械手的运动，完成所要求的作 gorithm，GA)与神经网络(Neuralne觚ork，NN)学习 业。因此，腕力传感器是最重要的机器人传感器之 相结合来实现腕力传感器动态建模与补偿。 一。腕力传感器通常由传感头和信号处理器两部分 结合两者的优点，先利用遗传算法在解空问进 组成。传感头由弹性体、测量电桥和前级放大器组