基于深度学习的单自由度机械臂定位可靠性估计

摘要：

针对单自由度机械臂的系统中存在多个区间不确定性参数,并在工作时受到外部随机扰动的影响,提出了一种基于深度学习神经网络模型的方法来估计单自由度机械臂的定位可靠性.对系统进行不确定性分析,利用区间数描述系统动作过程中的不确定性参数,建立单自由度机械臂的不确定模型;区间不确定参数在一次动作过程中可视为定值,通过实验数据结合参数辨识的方法辨识出几组实验的参数,并验证单自由度机械臂仿真模型的准确性;对区间不确定参数进行拉丁超立方采样代入仿真模型,机械臂在外部随机扰动中实现定位,得到训练神经网络模型的样本数据,构造基于Levenberg-Marquardt(levenberg-marquardt,LM)算法的神经网络模型,进行了 Monte-Carlo仿真分析,估计了单自由度机械臂的定位可靠性为84.12％.最后通过多组实验数据的分析,表明提出的方法具有高效性和有效性,可为其他非线性复杂系统的定位可靠性估算提供了新的思路.

关键词：机械臂;深度学习;定位可靠性;参数辨识;随机扰动

所属期刊栏目：40

分类号：TH17

资助基金：江苏省研究生科研与实践创新计划项目KYCX19_0326

在线出版日期：2021-08-26（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：246-252,283