Stewart载物平台位姿误差估计模型

提出了一种通过单目结构光相机测量Stewart载物平台位姿的方法,搭建了位姿误差测量试验台,对Stewart载物平台位姿误差进行了测量。建立了一种使用多元宇宙优化算法(multi-verse optimizer,MVO)优化反向传播(back propagation,BP)神经网络的Stewart载物平台误差估计模型,并利用测量得到的误差数据对模型进行了训练。通过测试数据对误差估计模型的有效性进行了验证。实验结果表明,模型可以更好地估计沿z轴方向的位移误差以及绕x轴和绕y轴的旋转误差,为Stewart平台的位姿测量研究提供了一种新方法。

基于残差全连接神经网络机床传动轴刚度预测研究

为了更好地研究机床刚度,提出一种通过测量S试件的加工误差以辨识机床传动系统刚度的方法,建立残差全连接神经网络的传动系统刚度模型。通过多体动力学对S试件轮廓误差进行分析,建立传动系统的误差模型。利用残差全连接神经网络对加工后的S试件轮廓误差进行训练,得到传动系统刚度;搭建刚度测量试验台,对机床的刚度进行测量,结果验证了残差全连接神经网络模型的有效性;残差全连接模型的收敛速度更快,在迭代次数达到70次后,预测精度达到80%左右。