[00012143]基于FLANN的机器人力传感器

技术投资分析： 　　该项目完成机器人腕力传感器脉冲响应法和阶跃响应法动态标定实验。采用系统说辩识方法建立传感器6个转换通道的动态数学模型，给出性能指标，全面评价腕力传感器的动态特性。将函数联接型神经网络(FLANN)引入传感器动态特性的研究，建立六维腕力传感器的动态数学模型，较为准确地描述腕力传感器的动态的动态响应。在多维力传感器不变性动态解偶方法的基础上，提出了迭代动态解耦方法，解决强耦合问题。提出传感器动态解耦--补偿方法，构造四种动态解耦--补偿网络，同时解决多维力传感器中动态耦合和动态响应速度慢这两个关键问题。为了提高机器人腕力传感器的动态响应速度，采用FLANN方法设计动态补偿器，以DSP为处理核心，研制实时动态补偿系统。应用于中科院合肥智能机械研究所研制的腕力传感器，使传感器的动态响应的调整时间缩短为原来的25%以下。针对传感器工作在有负载的情况或在多维力传感器的非正向通道中存在非线性的问题，采用基于Vandermonde矩阵的最小二乘方法分离动态非线性；估计传感器线性和二次非线性传递函数；提出了基于函数联接型神经网络的动态非线性建模方法，更为准确地描述传感器的动态特性。基于将具有动态非线性的传感器系统分解成一个线性动态环节和一个静态非线性环节，提出一种动态非线性的补偿方法。 　　本项目研究的腕力传感器动态校正方法和系统已应用于中科院合肥智能机械所为航天部门研制的三种不同规格的六维腕力传感器上，使其动态响应时间由原来的20～100毫秒缩短为5毫秒，取得令人满意的效果。本项目研究的腕力传感器动态建模方法、动态补偿方法和方案可以推广应用于其它传感器和动态测试系统中去，以准确描述这些传感器和系统的动态特性，提高它们的动态响应速度，改善它们的动态测量精度。本项目研究的腕力传感器动态解耦方法，动态解耦-补偿方法及方案可以有效地解决多维传感器和复合传感器中各个转换通道之间的动态干扰问题，可以推广应用于多维指力传感器、运动员多维测力平台、风洞多维力天平、机床多向测力仪和火箭发动机推力测量的六分力计等。 技术的应用领域前景分析： 随着高新技术的发展，应用领域十分宽广。 效益分析： 该技术产品的研发具有良好的经济效益和社会效益。 厂房条件建议： 无 备注： 无