基于特征深度学习的机器人协调操作感知控制

• 作者: 杨静宜 崔建弘 庞雅静
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 特征深度学习 机器人 协调操作 感知控制
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 仿真智能化
• 页码范围: 307-311
• 页数: 5页
• 分类号: TP393
• 语种: 中文

摘要

为了在操作者与机器人之间实现更为稳定的负载运动状态,提出一种基于特征深度学习的机器人协调操作感知控制方法,分析机器人的协调操作原理,根据虚拟阻尼、虚拟惯量与虚拟刚度系数,构建人机协调操作模型,利用特征深度学习对模型内的神经网络进行网络信息的交互拓扑,优化机器人协调操作的感知性能.同时,减少内存占比,对人力交互信息滤波去噪,进一步提升操作稳定性,将交互信息内的广义阻尼、广义惯量与广义刚度融合至模型内,完成机器人协调操作感知的控制.仿真结果表明,上述方法有着较好的操作感知控制精度,减少系统资源的占用比值,提升机器人协调操作感知控制效率.