基于改进SSA-DNN的工业机器人定位误差补偿研究

针对工业机器人定位精度不高和传统误差补偿方法复杂的问题,提出了一种改进SSA-DNN神经网络的工业机器人定位误差补偿模型。首先,在笛卡尔空间优化空间网格分割采样规划,获得目标点位与其定位误差的规律;其次,提出一种基于Tent混沌映射的ISSA算法,结合Levy飞行机制,提升SSA算法的搜索能力与加快收敛速度;最后,建立ISSA-DNN定位误差补偿模型,为验证补偿模型的有效性,以自由度工业机器人为对象,与其他模型进行对比实验,实现了对机器人实际点位的补偿,提高了机器人的定位精度。结果表明,在机器人定位误差补偿方面,与DNN与SSA-DNN等神经网络模型相比,ISSA-DNN神经网络模型具有更高的补偿精度和稳定性。

四足机器人在电缆隧道巡检中的应用设计与实现

为了减少在电缆隧道巡检过程中可能对巡检员造成的伤害,笔者团队定制开发了一套四足机器人及管控中心系统,通过在四足机器人身上安装热成像双光谱云台摄像机、温湿度传感器、惯性测量单元(IMU)、激光雷达等设备,结合最新的物联网通信协议及开源平台ThingsBoard,实现了四足机器人在隧道中进行地图构建、自主导航、气体及温湿度数据采集、缺陷识别及上报、通过消息队列遥测传输协议(MQTT)和管控中心的交互、通过RTSPtoWeb技术实时视频查看隧道现场环境等功能。经过无锡市某电缆隧道的现场验证,本文设计的四足机器人可以部分替代巡检员的工作。