申请/专利权人：华中科技大学

申请日：2024-01-12

公开（公告）日：2024-04-02

公开（公告）号：CN117798920A

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：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明属于机器人定位误差相关技术领域，其公开了一种基于L‑SHADE‑MLP的机器人定位误差预测方法及系统，包括以下步骤：1利用定位误差及其对应的机器人关节角数据对MLP模型进行训练；2将MLP参数模型转换为改进L‑SHADE算法的种群个体，并初始化种群；3对种群个体执行变异操作和交叉操作以得到试验个体；4对比试验个体及初始个体的适应度以选择出优秀个体，同时自适应调整进化参数；5判断是否满足停止迭代条件；6将最优MLP个体解码为MLP参数模型，并完成MLP模型的局部寻优，得到最终MLP模型，进而预测新的机器人关节角所对应的定位误差。本发明克服了MLP模型容易陷入局部最优解的缺点。

主权项：1.一种基于L-SHADE-MLP的机器人定位误差预测方法，其特征在于，该方法包括以下步骤：1构建多层感知机模型，并利用定位误差及其对应的机器人关节角数据对所述多层感知机模型进行训练；2通过实数编码方式将MLP参数模型转换为改进L-SHADE算法的种群个体，并基于拉丁超立方采样初始化种群；3对种群个体执行基于最优个体变异策略的变异操作和交叉操作以得到试验个体；4对比试验个体及初始个体的适应度以选择出优秀个体，同时根据所选择到的个体自适应调整进化参数；5判断是否满足停止迭代条件，若满足则迭代过程停止，转至步骤6；否则跳转至步骤3；6根据实数编码的逆过程将最优MLP个体解码为MLP参数模型，并基于梯度下降法完成MLP模型的局部寻优，得到最终MLP模型，进而采用最终MLP模型预测新的机器人关节角所对应的定位误差。

全文数据：

权利要求：

百度查询： 华中科技大学 一种基于L-SHADE-MLP的机器人定位误差预测方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD