基于概率核模糊聚类剪枝的工业机器人在线控制研究

本文提出了基于概率核的工业机器人模糊聚类样本选择方法,实现对工业机器人控制过程大样本数据的剪枝处理,减少了进入支持向量回归学习样本数目,以解决工业机器人在线控制学习效率偏低的问题。实验结果表明,该方法改善了工业机器人在线控制在鲁棒性、跟踪精度和快速性等方面的综合性能。