【技术实现步骤摘要】
基于HWOA
‑
ELM的机械臂末端夹持的误差偏角识别方法
[0001]本专利技术属于机器学习和模式识别领域,适用于零件装配时的机械 臂末端夹持误差偏角识别的领域。具体地说,涉及一种基于混合多策 略鲸鱼优化算法(Hybrid Multi
‑
strategy Whale Optimization Algorithm, 以下简称HWOA)和极限学习机(Extreme Learning Machine,以下简称 ELM)的误差偏角识别方法。
技术介绍
[0002]零件装配在工业领域中应用十分广泛,传统的手工零件装配耗费了 大量的人力和物力,零件装配的成功极大依赖装配操作人员的技术。 工业生产亟需向自动化和智能化转变,利用工业机器人装配替代传统 手工装配已经逐渐成为装配自动化和智能化的趋势。工业机器人装配 能大大降低人力消耗,提高劳动生产力,以及促进新兴产业的发展, 从而提高社会经济效益和推动科技进步。机器人通常是利用位置信息 控制机械臂末端执行装配动作,但是零件装配时往往因为机械臂末端 夹持存在角度偏差导致无法成功装配。对机械臂末端夹持的误差偏角 分析有助于正确感知零件装配过程中的姿态,从而引导机械臂对姿态 错误的零件进行装配动作的调整。零件的误差偏角可以通过对装配时 力传感器收集到的力和力矩信号分析得到。机械臂末端夹持的误差偏 角识别方法能提高工业机器人的装配成功率,因此有必要进行研究。
[0003]机器学习是一门多领域交叉的学科,它能使机器人通过技能学习, 获取新的知识或技能来 ...
【技术保护点】
【技术特征摘要】
1.一种基于HWOA
‑
ELM的机械臂末端夹持的误差偏角识别方法,其特征在于,所述方法包括下列步骤:步骤1:通过机械臂夹持零件,固定零件为竖直方向,利用末端位置信号改变偏角大小,再进行装配,采集不同误差偏角对应的力数据信号F={F
xi
,F
yi
,F
zi
,M
xi
,M
yi
,M
zi
},其中F
xi
,F
yi
,F
zi
表示在x,y,z方向上的力,M
xi
,M
yi
,M
zi
表示沿x,y,z的力矩,将力数据信号F和对应偏角的编号Y组成误差偏角数据集,再进一步细分为训练集{F1,Y1}和测试集{F2,Y2};步骤2:进行参数的初始化设置,包括ELM的隐藏层神经元数N,输入权重ω
k
和输入层到隐藏层偏置b
k
的搜索范围[ω
max
,ω
min
]、[b
max
,b
min
],HWOA的种群个体数M,迭代次数为t,最大迭代次数为t
max
;步骤3:利用逻辑映射策略生成ELM的初始参数种群个体h
k,j
,其中j=1或2,h
k,1
=ω
k
,h
k,2
=b
k
,k表示参数种群的当前个体,则经过逻辑映射后的参数的种群个体表示为:参数种群的当前个体,则经过逻辑映射后的参数的种群个体表示为:式中,r1、r2、r
k
‑1均为0到1的随机数;步骤4:引入对立的学习策略优化逻辑映射的ELM初始参数个体表示为:H
k,j
=h
max,j
+h
min,j
‑
h
k,j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中,H
k,j
为对立个体;当j=1时,h
max,j
和h
min,j
为ω
ma...
【专利技术属性】
技术研发人员:张立彬,支乐威,陈教料,阮贵航,胥芳,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。