申请/专利权人:中国计量科学研究院
申请日:2023-10-31
公开(公告)日:2024-01-23
公开(公告)号:CN117428768A
主分类号:B25J9/16
分类号:B25J9/16
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.09#实质审查的生效;2024.01.23#公开
摘要:本发明公开了一种基于LSTM‑ANN网络的Stewart并联平台位姿偏差预测及补偿方法,首先,通过划分网格的方式选取Stewart并联平台的标称位姿,控制Stewart并联平台实现相应位姿的定点运动,采用位姿测量仪获得Stewart并联平台的实际位姿数据,以构建标称位姿与实际位姿偏差数据集;其次,建立结合LSTM与ANN的Stewart并联平台的位姿偏差回归预测模型LSTM‑ANN;再者,将偏差数据集按照4:1的比例划分为训练集和测试集,训练集中的标称位姿与对应的偏差分别作为LSTM‑ANN模型的输入与输出,实现对模型的训练;最后,通过测试集中的标称位姿预测对应的位姿偏差,将预测的位姿偏差预补偿至标称位姿作为Stewart并联平台控制器的输入。本方法有效解决了传统运动学标定复杂、误差模型不健全、普适性不强等问题。
主权项:1.一种基于LSTM-ANN网络的Stewart并联平台位姿偏差预测及补偿方法,其特征在于:所述方法包括以下步骤:S1:通过划分网格的方式选取Stewart并联平台大量的标称位姿,控制Stewart并联平台实现相应位姿的定点运动,采用位姿测量仪获得Stewart并联平台的实际位姿,计算实际位姿与标称位姿之间的位姿偏差,构建标称位姿与实际位姿偏差数据集;S2:建立结合LSTM与ANN的Stewart并联平台的位姿偏差回归预测模型LSTM-ANN,模型的输入为Stewart并联平台的标称位姿,输出为位姿偏差;S3:将偏差数据集按照4:1划分为训练集和测试集,选取不同的ANN神经元个数,通过训练集数据对LSTM-ANN模型进行训练,确定最合适的神经元个数;S4:将测试集数据中的Stewart并联平台标称位姿作为LSTM-ANN模型的输入,实现相应的位姿偏差预测,将预测的位姿偏差预补偿至Stewart并联平台标称位姿作为控制器的输入。
全文数据:
权利要求:
百度查询: 中国计量科学研究院 一种基于LSTM-ANN网络的Stewart并联平台位姿偏差预测及补偿方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。