基于CS-BP神经网络的巡检机器人位移补偿方法研究

智能巡检机器人沿着固定轨迹进行巡检工作时所产生的位移误差会不断地增加,从而偏离既定的巡检路线。因此,提出一种基于CS-BP神经网络的位移补偿方法,利用布谷鸟搜索算法对BP神经网络的权值与阈值进行优化,得到性能最为优异的神经网络结构。试验表明,理论位移曲线乘以通过神经网络输出的位移补偿系数后得到的补偿后的位移曲线与实际位移曲线更加接近,其位移误差远远小于未经补偿的理论位移曲线,试验结果在58.8s时,经过CS-BP神经网络补偿后输出的位移与实际位移能够维持在3cm左右的偏差。该位移补偿具有可行性,能够有效缓解智能巡检机器人的运动路径偏离巡检路线的问题。