基于改进的LSTM的工业机器人柔性关节迟滞建模

• 作者: 党选举 刘帆
• 来源期刊: 组合机床与自动化加工技术
• 关键词: 柔性关节 迟滞特性 长短时记忆神经网络 RBF神经网络
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 设计与研究
• 页码范围: 1-4
• 页数: 4页
• 分类号: TH137|TG659
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.07.001

摘要

为了描述工业机器人柔性关节的复杂迟滞特性,搭建一个基于改进的LSTM的工业机器人柔性关节迟滞特性模型.结合迟滞特性的记忆特性,利用具有记忆特性的长短时记忆神经网络(Long Short-Term Memory,LSTM)构建出工业机器人柔性关节的LSTM迟滞模型.针对LSTM迟滞模型在描述其迟滞特性时存在幅值和相位误差的问题,为了进一步提高其模型精度,对LSTM进行改进,在LSTM迟滞模型之后串联一个RBF动态神经网络,对LSTM迟滞模型的幅值和相位误差进行补偿.根据数据实验的结果表明,改进的LSTM迟滞模型的建模与验证均方误差分别为0.0247和0.0643,与LSTM迟滞模型相比,所提出的改进的LSTM迟滞模型具有更高的精度.