基于PLS的拾放机械手位姿分析.pdf

《基于PLS的拾放机械手位姿分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于PLS的拾放机械手位姿分析余发山，等基于PLS的拾放机械手位姿分析PositionandAttitudeAnalysisBasedonPLSforPick&PlaceManipulator余崖山尹支宽纠很镑(河南理工大学电气工程与自动化学院，河南焦作454000)摘要：为提高拾放机械手位姿的精确度，对采集到的末端执行器位移信号进行了研究。主要采用多分辨率小波变换法提取机械手运动时产生的位移信号的小波系数标准偏差作为特征矢量，将特征矢量输入PLS进行特征提取和动作模式分类，最终实现了对拾放机械手位移信号的四种不同动作模式的分类。试验结果表明，采用多分

2、辨率小波变换法进行特征提取的PLS分类方法，具有更高的识别率，运算速度更快，对于拾放机械手的位姿分析具有一定的借鉴意义。关键词：拾放机械手位姿分析偏最小二乘法(PLS)小波变换模式识别特征提取中图分类号：TP241+．2；TN一3文献标志码：ADOI：10．160864．cnki．issnl000—0380．201510003Abstract：Toimprovetheaccuracyofthepostureofmanipulator-thedisplacementsignalscollectedfromendeffectorareresearched．

3、Thestandarddeviationofwaveletcoefficientsofthedisplacementsignalgeneratedbymanipulatormovementisextractedbyadoptingmulti—resolutionwavelettransfoFm-andthenused踮characteristicvectorforcalculation．Thecharacteristicvectorisinputpartialleastsquare(PLS)-forfeatureextractionandmotionp

4、atternclassification。finally，classificationforfourofthemotionpatternsofdisplacementsignalsofpick&placemanipulatorisimplemented．ThetestresultsshowthatthePISclassificationmethodusingmultiresolutionwavelettransformforfeatureextractionpossesseshigherrecognitionrate-fasteroperationsp

5、eed-thisprovidereferencesignificanceforpositionandattitudeanalysisforpick＆placemanipulators．Keywords：Pick＆placemanipulatorAnalysisofpositionandattitudePartialleastsquareWavelettransformPatternrecognitionFeazeextraction0引言机械手也可称为操作机，具有和人臂相似的功能，可在空间抓放物体或进行其他操作的机械装置。拾放料机械手按其结构可称之为并

6、联结构机械手，并联机械手由于具有刚度大、定位精度高、承载能力强、自重负荷比小、易实现高速及无积累误差等特点，得到了极大的发展⋯，在工业上主要进行自动识别、搬运、整列、分拣、组装等操作口·。由于在拾放机械手进行位姿分析时采集到的位移信号存在干扰，文献[3]在虚拟样机的基础上，通过采用D-H法建立专用机器人的位姿方程进行位姿分析。文献[4]通过采用小波包变换在位姿分析前对位移信号进行去噪，有效消除了采集位移信号的干扰，提高了运动学的求解精度。文献[5]通过设计基于反馈增益的反步法控制器消除机器人动态误差模型中的部分非线性项，采用神经网络对模型不确定性进行补

7、偿，并利修改稿收到日期：2015—03—11。第一作者余发山(1952一)，男，1977年毕业于焦作矿业学院电气工程专业，获学士学位，教授；主要从事自动化与工业过程控制等方面的教学及科研工作。《自动化仪表》第36卷第10期2015年10月用自适应鲁棒控制器在线补偿神经网络的误差，实现了移动机器人对任意位姿的精确分析。本文采用多分辨率小波变换法提取机械手运动时产生的位移信号，将小波系数标准偏差作为特征矢量来计算，将特征矢量输入偏最小二乘法(partialleastsquare，PLS)进行特征提取和动作模式分类，PLS是一种能够将线性相关的数据从高维空间

8、投影到低维特征空间，并最终建立特征向量间的线性回归关系的方法。目前模式识别大部分做法都是将特征