作者：李二超,李战明,李炜 单位：上海电气自动化设计研究所有限公司;上海市自动化学会 出版：《电气自动化》2011年第01期 页数：3页  （PDF与DOC格式可能不同） PDF编号：PDFDQZD2011010090 DOC编号：DOCDQZD2011010099 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 针对存在参数不确定和外界扰动的机器人系统，提出了一种无须使用力传感器即可同时控制机器人力和位置的关节转矩控制方案。采用神经网络补偿机器人位置控制时的不确定性，当机器人末端与环境接触时，通过转矩换算得到实际的接触力。该文采用计算力矩位置控制器和模糊力控制器，通过二自由度机器人仿真验证了该方法的有效性。该控制方案为在没有力传感器情况下的力控制操作提供了一种可能的解决方案。

    📙 相关资料

    1. 《建筑幕墙安装机器人的力控制分析》PDF+DOC 建筑幕墙安装机器人在施工作业的过程中，不仅要求板材在自由空间移动的快速性，同时也要求安装时精确性。为实现幕墙安装机器人末端接触力的控制，基于阻抗控制的理论，针对简化动力学模型，提出一种基于位置的阻抗控制(导纳控制)并结合MRAC自适应理论。借助Matlab/Simulink构建了阻抗控制仿真平台，通......
    2. 《基于改进型BP神经网络的SF_6气体传感器》PDF+DOC 针对非色散红外SF_6气体传感器测量精度易受环境温度、气压影响的问题，提出采用混合粒子群优化-误差反向传播(PSO-BP)神经网络预测模型对环境温度、气压变化引起的测量偏差进行实时补偿，并与其他补偿方法进行分析比较。实验结果表明，该SF_6气体传感器在气体浓度0~1000&#215；10~(......
    3. 《一种改善传感器动态特性的神经网络补偿方法》PDF+DOC 研究了设计动态补偿滤波器改善传感器动态特性的一般方法，提出应用神经网络作为补偿环节的设计方法。理论和实验研究都表明该方法具有一定的实用价值。...
    4. 《基于Matlab的教学型机器人空间运动轨迹仿真》PDF+DOC 根据教学型机器人的实际结构特点，利用Matlab中SimMechanics工具箱建立了运动学仿真模型.并进行机器人关节空间和直角坐标系下的运动仿真.仿真结果表明利用仿真模型可以准确、有效地得到机器人的运动参数和运动轨迹，为机器人分析设计提供了可靠依据。...
    5. 《提高机器人位置、速度传感器分辨力的方法》PDF+DOC 用光栅构成的机器人速度、位置传感器测量系统常用硬件进行信号细分，存在细分数不高，硬件复杂等问题。为此，研究了一种神经网络细分方法，并研究了一种用于细分的直接映射小脑模型神经网络。实验和实用证明，研究的小脑神经网络具有学习精度高、速度快，算法简单等特点；只要用很少的训练样本即可达到很高的细分精度，使分......
    6. 《小脑神经网络及在机器人传感器中的应用》PDF+DOC 现有的小脑神经网络存在算法复杂、泛化精度低、收敛性差等缺点，无法直接在测量技术中使用和实现.本文研究了一种单输入单输出的小脑神经网络(SISO-CMAC)，模型算法为直接地址映射，以输入v的量化值为地址，建立起输入v与权重w的关系.另外，通过对输入v进行模糊化，增强泛化能力，并使得每次学习只要调整2......
    7. 《基于神经网络的直接转矩无传感器控制》PDF+DOC 在直接转矩控制和神经网络理论基础上，讨论了电机速度与各电气参数之间的关系，提出了一种适合永磁同步电动机速度观测的方案，该方案采用并联神经网络的方法构造速度观测器。经计算仿真和实验，该观测器可以实现无速度闭环控制的稳定运行，并且有较高的观测精度。...
    8. 《针对复杂环境的仿生机器人的系统设计》PDF+DOC 为实现仿生机器人在复杂的外界环境下具有类似于真实生物的工作效果，基于仿生学的原理，利用Android设备的多种传感器作为机器人的传感中枢，STM32作为机器人运动控制中心，FPGA芯片建立神经网络来模拟生物大脑皮层，服务器解析回传的数据并发送相应处理后的数据，最终完成机器人整个控制。此系统设计对于此......
    9. 《差动传感器残余电压及非线性的神经网络补偿》PDF+DOC 为消除差动变压式传感器零点残余电压及非线性特性，提出基于重新参数化的B样条函数以及粒子群算法β参数B样条神经网络(B-BP-PSO)。由粒子群算法(PSO)取代传统BP算法，并由其搜索最佳β因子，用以得到适合本网络权值搜索的最优重新参数化B样条基函数，从而使得该神经网络可有效克服传统算法易于陷入局部......
    10. 《基于GSA-BP神经网络的压力传感器温度补偿》PDF+DOC 针对压力传感器输出的温度非线性特性，采用遗传模拟退火算法优化的BP神经网络(GSA-BPNN)进行误差补偿，并与标准BP神经网络补偿误差进行了比较。通过MATLAB仿真验证，实验结果表明：采用GSA-BP神经网络不易陷入局部极小值，大大减小传感器非线性误差，误差精度小于0.1%，补偿结果优于标准BP......

    提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。