大量程柔性铰六维力传感器静态解耦的研究

被引：18

作者：

石中盘 ^{[1
,2
]}

赵铁石 ^{[2
]}

厉敏 ^{[1
]}

赵延治 ^{[2
]}

丁长涛 ^{[2
]}

机构：

[1] 燕山大学信息科学与工程学院

[2] 燕山大学机械工程学院

来源：

仪器仪表学报 | 2012年 / 33卷 / 05期

基金：

高等学校博士学科点专项科研基金;

关键词：

六维力传感器; 大量程; 静态解耦; 混合递阶遗传算法; 小波神经网络;

D O I：

10.19650/j.cnki.cjsi.2012.05.015

中图分类号：

TP212 [发送器（变换器）、传感器];

学科分类号：

080202 ;

摘要：

为提高大量程六维力传感器的测量精度,提出了一种新型的六维力传感器非线性静态解耦方法,该方法结合混合递阶遗传算法和小波神经网络的优点,采用递阶遗传算法与最小二乘法分别对小波神经网络隐层结构参数以及输出层权值进行优化,再将优化后的小波神经网络模型用于六维力传感器非线性解耦。建立了基于混合递阶遗传算法和优化小波神经网络的六维力传感器非线性解耦模型,设计了基于混合递阶遗传算法的小波神经网络结构及参数优化算法,给出了六维力传感器非线性解耦的具体实现流程。以最新研制的6-UPUR大量程柔性铰六维力传感器为对象进行实验,结果表明,采用该方法六维力传感器的Ⅰ类误差和Ⅱ类误差分别为1.25%和2.59%,比采用BP和RBF神经网络方法的测量精度高。

引用

页码：1062 / 1069

页数：8

共 11 条

[1] 基于神经网络的锥光全息测量系统校准技术研究 [J].