电解槽样品转运机器人的视觉伺服运动控制方法

针对电解槽样品转运机器人无标定视觉伺服控制对图像雅可比矩阵存在估计不准确、估计时间长的问题,本文提出了一种基于BP神经网络的KF-BP算法。KF-BP算法使用BP神经网络训练样本,输出误差补偿量,与传统KF算法产生的次优估计值相加得到雅可比矩阵的最优估计值,有效提高了雅可比矩阵估计的准确性和快速性。本文建立了基于KF-BP算法的无标定视觉伺服模型,并进行了仿真实验,结果表明,与传统KF算法相比,基于KF-BP算法的视觉伺服收敛速度提高了34.7%,且图像累计误差更小,可有效提高电解槽铝样品运机器人的作业精度和速度。