基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对自平衡机器人领域姿态检测普遍采用单一滤波而存在的姿态误差问题,提出了一种基于双重滤波和神经网络补偿的"两滤一补"检测策略.通过分析误差来源,设计了针对姿态传感器和姿态误差之间的姿态补偿BP神经网络,根据传感器的输出信息,直接预测机器人姿态倾角的误差补偿值,对滤波处理之后的姿态角进行同步补偿.对机器人在原地站立、 加速前进后退、 原地转向3种控制状态下的补偿效果分别进行验证,结果表明神经网络对机器人的姿态误差有着明显的修正作用,有利于提高机器人姿态检测精度.
推荐文章
基于UKF的两轮自平衡机器人姿态最优估计研究
采样卡尔曼滤波
采样变换
姿态估计
两轮自平衡机器人
两轮自平衡机器人的LQR实时平衡控制
两轮平衡机器人
LQR
平衡
倒立摆
基于Hopfield网络的柔性两轮自平衡机器人控制
柔性机器人
Hopfield网络
腰椎
两轮自平衡机器人动力学建模及其平衡控制
两轮自平衡移动机器人
动力学模型
线性二次型调节器
龙伯格极点配置
动态平衡控制
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 两轮自平衡机器人姿态误差的神经网络补偿研究
来源期刊 机床与液压 学科 工学
关键词 自平衡机器人 姿态检测 神经网络 误差补偿
年,卷(期) 2020,(15) 所属期刊栏目 工业机器人专栏
研究方向 页码范围 44-49
页数 6页 分类号 TP242.6
字数 3503字 语种 中文
DOI 10.3969/j.issn.1001-3881.2020.15.010
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 殷素峰 东莞理工学院城市学院智能制造学院 20 21 3.0 3.0
2 黎小巨 东莞理工学院城市学院智能制造学院 9 11 2.0 2.0
3 陈洵凛 东莞理工学院城市学院智能制造学院 3 0 0.0 0.0
4 谢小鹏 东莞理工学院城市学院智能制造学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (67)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1960(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
自平衡机器人
姿态检测
神经网络
误差补偿
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
机床与液压
半月刊
1001-3881
44-1259/TH
大16开
广州市黄埔区茅岗路828号
46-40
1973
chi
出版文献量(篇)
20801
总下载数(次)
44
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导