基于神经网络的大柔性灵巧手指弯曲角度预测

介绍了一种新型大柔性灵巧手指,该手指弯曲性能好、易于控制但数学建模复杂.基于BP神经网络基本理论,建立预测该手指弯曲角度的BP神经网络模型.通过大柔性灵巧手指弯曲特性实验获得样本数据,借助于MATLAB仿真软件中的神经网络工具箱作为开发平台,将实验样本数据用于BP网络训练.利用训练好的BP网络模型对手指弯曲角度进行预测,预测误差范围控制在3%以内.研究结果表明:这种神经网络模型能够准确预测手指的弯曲角度.

非完全对称气动柔性弯曲关节力学特性实验

为改进柔性机器人驱动器结构及数学模型,提出了一种非完全对称气动柔性弯曲关节及其数学模型。为了实现其实时闭环控制系统,进一步简化了原有数学模型,并对其力学特性进行了实验研究。搭建了力学特性实验平台,并对两种不同规格(长度分别为40、60 mm)的关节进行了测试。采用Matlab曲线及曲面工具箱对测试结果进行分析,得到了新型气动柔性弯曲关节的经验模型。该经验模型表明气动柔性弯曲关节的弯曲角度与初始长度、关节内外气压差、输出力之间存在非线性关系。与简化的数学模型比较,该经验模型具有更高的精度,其中输出角度模型相对误差平均值小于6.7%,输出力模型相对误差平均值小于2%。同时,该经验模型纠正了原有数学模型中,认为关节初始长度与弯曲角呈正比的错误结论。