基于PSO-ELM的机器人精度补偿方法研究

摘要：

为了提高机器人的定位精度,对传统的基于神经网络的机器人精度补偿方法进行改进.采用两种基于粒子群优化的极限学习机(PSO-ELM)模型的精度补偿方法对机器人关节坐标及直角坐标进行补偿.分别对两种方法进行仿真实例分析,并与遗传算法优化的极限学习机(GA-ELM)模型进行对比.仿真结果表明,对直角坐标进行补偿的PSO-ELM机器人精度补偿法优于其他补偿方法,且具有较高的预测精度.

关键词：机器人、精度补偿、极限学习机、PSO-ELM

所属期刊栏目：36

分类号：TP242.2(自动化技术及设备)

资助基金：四川省高校科研创新团队—机器视觉与智能控制18TD0024;四威高科—西华大学产学研联合实验室2016-YF04-00044-JH;国家教育部“春晖计划”科研项目Z2017076

在线出版日期：2020-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：3000-3003