基于多层径向基神经网络的机器人手爪腕力测量

机器人手爪腕部所受的力的量化对于机器人的安全操作是非常重要的.为了获取手指上力传感器的输出变化,首先对机器人进行标定实验,得到了机器人在行走和操作工件时腕部所受的多维力的信息.分析了利用经典的BP网络、RBF网络方法对机器人手爪腕力测量的缺陷,设计了一种新的神经网络.3R神经网络,对机器人手爪的8个指力传感器数据进行数据融合.结果显示,该方法能大大提高手爪腕部所受的力的估测精度,从而为机器人的安全操作提供了决策依据.     

国外手爪中多传感器数据融合技术的研究概况

近年来 ,多传感器数据融合技术已引起世界范围内的普遍关注 ,成为一个新兴的技术方向 ,并已成功地应用在军事系统、交通系统和智能机器人等研究领域。手爪是空间智能机器人的关键部件之一 ,它集成了视觉、触觉和力觉等多种传感器。为了能进行灵活和自适应的操作 ,机器人手爪必须要采用多传感器数据融合技术。该文介绍了机器人手爪中多传感器集成和数据融合技术的研究概况 ,对我国机器人的研究发展具有一定的借鉴意义。     

手爪中多传感器数据融合技术的研究概况

多传感器数据融合技术是传感器技术、模式识别、神经网络、控制理论、人工智能和模糊理论等学科相交叉的一门新兴学科 ,它被美国列为 2 0世纪 90年代重点研究开发的 2 0项关键技术之一 ,已被广泛地应用于军事和非军事领域中。而在机器人手爪中应用多个传感器 ,采用数据融合技术进行传感器信息处理 ,是赋予机器人更高智能的关键之一。该文介绍了日本营救机器人手爪中的多传感器集成和数据融合技术及操作控制 ,美国早期的多传感器手爪系统和国内机器人手爪研究的主要情况 ,对我国机器人的研究发展具有一定的借鉴意义。