基于循环神经网络的2-DOF软体机械臂运动建模与控制

摘要：

因现有软体机械臂材料刚度小、模量不稳定,导致建模与控制难度大.提出一种基于循环神经网络(recurrent neural network,RNN)的方法,用于二自由度(two-degree-of-freedom,2-DOF)软体机械臂的运动建模与控制.使用动作捕捉仪采集不同气压、负载下的位置坐标,并将其导入门控循环单元(gated recurrent unit,GRU)神经网络模型进行训练.当调节超参数至网络结构最优时,测试集准确度可达98.87％.在此基础上,构建气压与负载到末端位置的映射函数.实验结果表明,本方法可将机械臂的控制精度提升至6～8 mm,显著降低了软体机器人的控制与建模难度.

关键词：循环神经网络、门控循环单元模型、软体机械臂、建模与控制

所属期刊栏目：30

分类号：TP242(自动化技术及设备)

在线出版日期：2024-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：522-531