采用长短期记忆神经网络的压电式六维力/力矩传感器解耦算法

打开文本图片集

摘要：针对压电式六维力/力矩传感器存在的维间耦合导致传感器测力性能下降问题，提出了一种基于长短期记忆神经网络（LSTM）的压电式六维力/力矩传感器解耦算法。首先，通过六维力传感器静态标定实验，获取解耦算法所需的实验数据，并对其进行处理；然后，通过分析传感器维间耦合产生的原因及LSTM神经网络解耦原理，构建LSTM神经网络解耦模型；最后，采用基于LSTM神经网络的解耦算法，对传感器输出的多维非线性特性开展优化，解耦后得到传感器输入、输出之间的映射关系和对应的输出数据，并与径向基函数（RBF）及最小二乘（LS）解耦算法进行对比分析。（剩余20653字）