基于神经网络的水下机器人力控策略研究

摘要：

水下机器人抓取物体时,物体与指尖存在力控制问题,但是由于动力学模型、被抓取物体位置和刚度的不确定性,采用传统阻抗控制方法不具有鲁棒性,因此对基于位置的神经网络阻抗控制方法进行了研究,构建了基于位置的神经网络阻抗控制器,采用三层前向反馈神经网络构建补偿器结构,基于BP算法和Delta学习规则,得到了反向传播的更新规则;该神经网络控制系统具有很强的自适应性,可以很好地完成机器手抓取物体的任务;在水下机器人单手指上分别对软性材料(泡沫)和硬性材料(木块)施加5N恒定力进行反复的实验,结果表明,该方法具有较好的补偿和控制效果,为水下机器人的准确抓握和合理操作奠定基础.

关键词：水下机器人、神经网络、阻抗控制、力控制

所属期刊栏目：22

分类号：TP241(自动化技术及设备)

在线出版日期：2015-01-20（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：1442-1445