10.3969/j.issn.1006-9348.2021.01.064
基于特征深度学习的机器人协调操作感知控制
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.
特征深度学习、机器人、协调操作、感知控制
38
TP393(计算技术、计算机技术)
2021-03-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
307-311