原文服务方: 林业机械与木工设备       
摘要:
针对木件机械打磨加工效率低、产品质量差等问题,提出一种打磨轨迹跟踪算法,该算法是对模糊算法和神经网络算法的结合及改进.阐述了打磨机器人的系统结构,并针对两关节机器人建立动力学模型,基于打磨轨迹跟踪算法设计了模糊神经网络控制器.利用Simulink软件对打磨轨迹跟踪算法进行仿真试验,结果表明:改进型神经网络与传统神经网络算法相比,0时刻开始,跟踪误差均在±0.01 mm范围内,系统很好地完成了启动控制,并且打磨机器人在1 s时即可以实现极小误差的曲线打磨轨迹跟踪.该算法可有效控制打磨机器人的运动轨迹,工作时机器人运行稳定可靠,加工效率高.
推荐文章
机器人标定算法及在打磨机器人中的应用
机器人
位姿匹配
误差标定
非线性优化方法
线性方程迭代法
压力管道内壁打磨机器人的研制
压力管道
内壁
腐蚀
结垢
打磨
机器人
模糊神经网络技术及其在机器人中的应用
神经网络
机器人
模糊
人工智能技术
改进型神经网络的热负荷预测
热负荷预测
BP神经网络
改进型神经网络
预测精度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进型神经网络在木件打磨机器人中的应用
来源期刊 林业机械与木工设备 学科
关键词 木件打磨机器人 轨迹跟踪 模糊算法 Simulink仿真
年,卷(期) 2017,(4) 所属期刊栏目 研究与设计
研究方向 页码范围 19-22,25
页数 5页 分类号 TS642
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘存根 山东建筑大学信息与电气工程学院 18 80 5.0 8.0
2 周玉成 山东建筑大学信息与电气工程学院 49 113 6.0 7.0
3 葛浙东 山东建筑大学信息与电气工程学院 14 41 5.0 6.0
4 张连滨 山东建筑大学信息与电气工程学院 10 34 4.0 5.0
5 鞠明远 山东建筑大学信息与电气工程学院 2 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (25)
参考文献  (11)
节点文献
引证文献  (6)
同被引文献  (38)
二级引证文献  (20)
1984(2)
  • 参考文献(0)
  • 二级参考文献(2)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(5)
  • 参考文献(3)
  • 二级参考文献(2)
2016(4)
  • 参考文献(4)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(7)
  • 引证文献(4)
  • 二级引证文献(3)
2019(13)
  • 引证文献(2)
  • 二级引证文献(11)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
木件打磨机器人
轨迹跟踪
模糊算法
Simulink仿真
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
林业机械与木工设备
月刊
2095-2953
23-1405/S
大16开
1966-01-01
chi
出版文献量(篇)
4723
总下载数(次)
0
总被引数(次)
15760
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导