基于CNN-GRU的遥操作机器人操作者识别与自适应速度控制方法
传统空间遥操作系统中从端机械臂的运动速度完全取决于操作者的操作速度.为了提高空间遥操作系统的安全性,提出了一种基于操作者操作速度识别的自适应速度控制方法.结合深度学习的理论,提出了一种基于卷积神经网络(CNN)和门控循环单元(GRU)神经网络的融合模型来对操作者的速度进行识别分类.选取了九位受试者构建操作者速度样本库,将操作者的操作速度分为3类,最终识别准确率达到92.71%;并且在此基础上使用串级PID实现从端机械臂的自适应速度控制.实验表明:该模型对新操作者也可以准确识别,同时该模型准确性优于卷积神经网络和循环神经网络(RNN)的融合模型,实时性优于卷积神经网络和长短期记忆(LSTM)神经网络的融合模型;基于该模型的自适应速度控制可以在保证从端机械臂运动轨迹不变的前提下,降低机械臂的末端线速度,有助于提高空间遥操作系统的安全性.
空间遥操作、卷积神经网络、门控循环单元神经网络、串级PID、速度控制
42
TP242;TH-39(自动化技术及设备)
国家自然科学基金联合基金重点项目;江苏省重点研发计划项目;人因工程国防科技重点实验室开放基金项目
2021-07-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
123-131