基于深度学习的单自由度机械臂定位可靠性估计

• 作者: 鲍丹 侯保林
• 来源期刊: 振动与冲击
• 关键词: 机械臂 深度学习 定位可靠性 参数辨识 随机扰动
• 年，卷（期）: 2021,（15）
• 页码范围: 246-252,283
• 页数: 8页
• 分类号: TH17
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2021.15.031

摘要

针对单自由度机械臂的系统中存在多个区间不确定性参数,并在工作时受到外部随机扰动的影响,提出了一种基于深度学习神经网络模型的方法来估计单自由度机械臂的定位可靠性.对系统进行不确定性分析,利用区间数描述系统动作过程中的不确定性参数,建立单自由度机械臂的不确定模型;区间不确定参数在一次动作过程中可视为定值,通过实验数据结合参数辨识的方法辨识出几组实验的参数,并验证单自由度机械臂仿真模型的准确性;对区间不确定参数进行拉丁超立方采样代入仿真模型,机械臂在外部随机扰动中实现定位,得到训练神经网络模型的样本数据,构造基于Levenberg-Marquardt(levenberg-marquardt,LM)算法的神经网络模型,进行了 Monte-Carlo仿真分析,估计了单自由度机械臂的定位可靠性为84.12％.最后通过多组实验数据的分析,表明提出的方法具有高效性和有效性,可为其他非线性复杂系统的定位可靠性估算提供了新的思路.