工业机器人谐波减速器迟滞特性的神经网络建模

• 作者: 伍锡如 党选举 姜辉 张向文 王凯利
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 谐波减速器 迟滞特性 径向基函数神经网络 混合模型 摩擦
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 694-701
• 页数: 8页
• 分类号: TH132.43
• 字数: 4072字
• 语种: 中文
• DOI: 10.3788/OPE.20192703.0694

摘要

谐波减速器中柔性环节与传动的非线性摩擦,导致谐波传动出现了不可避免地影响传动精度的复杂迟滞特性,为了描述谐波减速器的迟滞特性,本文构建了一个结构简洁的神经网络迟滞混合模型.该模型由类迟滞特性预处理环节和动态RBF神经网络两部分组成:对输入信号进行类迟滞预处理,处理后的信号与输入信号之间具有类迟滞特性;充分利用动态RBF神经网络实现类迟滞到谐波减速器迟滞特性的高精度映射.根据本文搭建的实验平台,在不同实验条件下获得的数据进行建模验证,在不同频率输入信号、不同负载,实现相同建模精度下,神经网络迟滞混合模型的验证精度为0.449 6(MSE),远高于经典RBF神经网络模型的3.032 1(MSE)精度,证明了所构造的神经网络迟滞混合模型的有效性和适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	党选举	桂林电子科技大学电子工程与自动化学院	88	730	14.0	23.0
3	张向文	桂林电子科技大学电子工程与自动化学院	74	483	12.0	16.0
4	姜辉	桂林电子科技大学电子工程与自动化学院	31	148	6.0	11.0
5	伍锡如	桂林电子科技大学电子工程与自动化学院	39	172	6.0	12.0
8	王凯利	桂林电子科技大学电子工程与自动化学院	2	2	1.0	1.0