计算机应用研究

作者：冯禹铭,董秀成,金滔,

单位：西华大学信号与信息处理重点实验室,成都610039；

关键词：机器人,精度补偿,极限学习机,PSO-ELM,

基金：四川省高校科研创新团队—机器视觉与智能控制(18TD0024)；四威高科—西华大学产学研联合实验室(2016-YF04-00044-JH)；国家教育部“春晖计划”科研项目(Z2017076)；；

为了提高机器人的定位精度，对传统的基于神经网络的机器人精度补偿方法进行改进。采用两种基于粒子群优化的极限学习机（PSO-ELM）模型的精度补偿方法对机器人关节坐标及直角坐标进行补偿。分别对两种方法进行仿真实例分析，并与遗传算法优化的极限学习机（GA-ELM）模型进行对比。仿真结果表明，对直角坐标进行补偿的PSO-ELM机器人精度补偿法优于其他补偿方法，且具有较高的预测精度。

来源：2019年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第10期