FVS-MSVM方法在机器人建模与辨识中的应用

摘要：

针对强耦合、高度非线性的机器人辨识问题,提出一种基于特征向量选择(FVS)的多输出支持向量机(MSVM)方法.该方法由核技术对映射至特征空间的输入数据,按照几何上的考虑提取相关的数据向量,形成特征空间的一个基底,所选择的数据向量定义为特征子空间.将数据投影至该子空间上,基于MSVM方法建立辨识模型,MSVM方法保持了在ε不敏感损失函数下具有紧凑与稀疏解的优点.为验证FVS-MSVM方法的有效性,将其应用于液压驱动机器人的油压辨识、PUMA 560工业机器人逆向运动学辨识、SARCOS仿生机器人逆向动力学建模中.在同等条件下,将FVS-MSVM方法与SVM、KPCA-MSVM及FVS-线性回归(LR)等方法进行比较.实验结果表明,FVS-MSVM方法不仅能够减小计算复杂度,而且具有很好的建模与辨识精度,模型的推广性好.

关键词：特征向量、数据选择、支持向量机、机器人、建模、辨识

所属期刊栏目：37

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：国家自然科学基金51467008

在线出版日期：2019-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：67-74