-
题名基于接触力-位置ELM模型的机械臂接插装配技能
- 1
-
-
作者
刘淏楠
贺学义
周翊民
尚万峰
-
机构
桂林理工大学机械与控制工程学院
中国科学院深圳先进技术研究院
深圳大学大数据系统计算技术国家工程实验室
-
出处
《科学技术与工程》
北大核心
2025年第30期12991-12997,共7页
-
基金
国家自然科学基金(62273323)
广东省基础与应用基础研究基金自然科学基金(2021B1515120038)。
-
文摘
针对传统强化学习方法在接插装配中精确性与泛化性不足的问题,提出了一种基于优化极限学习机的机械臂接插装配技能学习与柔顺操控策略。首先,建立了基于引力搜索算法优化的极限学习机机械臂接插技能学习模型(gravitational search algorithm optimized extreme learning machine,GSA-ELM),利用机械臂示教接插操作的接触力、位置、速度等时间序列数据集优化极限学习机的初始化参数,提高了模型的精度和稳定性。其次,提出了一种基于接触力-位置预测信息的机械臂自适应力补偿柔顺控制方法,并结合位置-速度双环控制策略,实现了实时力-位反馈对接插装配的期望位置和操作速度补偿。实验结果表明,该模型能够有效保证机械臂在接插装配操作中的柔顺性和稳定性。通过UR3机械臂的通用串行总线(universal serial bus,USB)接插实验证明了该模型在实际装配中的可行性和精准性,为机械臂接插装配提供了一种新的技术路径。
-
关键词
机械臂装配
力-位融合模型
ELM模型
引力搜索算法
-
Keywords
robotic arm assembly
force-position fusion model
ELM model
gravitational search algorithm
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
