作者:李映君,韩彬彬,王桂从,黄舒,孙杨,杨雪,陈乃建 单位:中国科学院长春光机所;中国仪器仪表学会 出版:《光学精密工程》2017年第05期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFGXJM2017050190 DOC编号:DOCGXJM2017050199 下载格式:PDF + Word/doc 文字可复制、可编辑
《六维力传感器静态解耦算法应用研究》PDF+DOC2007年第12期 张景柱,郭凯,徐诚 《六维力传感器静态标定及解耦研究》PDF+DOC2013年第01期 刘砚涛,郭冰,尹伟,吴兵 《基于蚁群BP神经网络算法的六维力传感器解耦研究》PDF+DOC2016年第01期 张家敏,许德章 《一种新型工业机器人六维力传感器设计研究》PDF+DOC2015年第05期 赵克转,徐泽宇 《大量程六维力传感器设计与标定研究》PDF+DOC2016年第05期 韩康,王智,李昂,夏明一,霍琦 《新型力解耦机器人六维力传感器研究》PDF+DOC2004年第02期 姚智慧,张付祥,陈华 《一种用于MEMS检测的无耦合六维力传感器的研制》PDF+DOC2003年第Z1期 贺德建,张鸿海,刘胜,汪学方,王志勇 《基于查询表的多维传感器解耦算法研究》PDF+DOC2001年第02期 宋国民,翟羽健 《多维力传感器耦合分析及解耦方法的研究》PDF+DOC2011年第08期 曹会彬,孙玉香,刘利民,冯勇,王以俊,葛运建 《基于神经网络的六维力传感器静态标定方法研究》PDF+DOC2006年第02期 李海滨,段志信,高理富,康补晓
  • 针对四点支撑结构的压电式六维力传感器线性度差,维间耦合严重的问题,提出了基于径向基函数(RBF)神经网络的解耦算法。分析了耦合产生的主要原因,建立了RBF神经网络模型。通过对六维力传感器进行标定实验获取解耦所需的实验数据,并对实验数据进行处理。然后采用RBF神经网络优化传感器输出系统的多维非线性解耦算法,解耦出传感器的输入输出映射关系,得到解耦后的传感器输出数据。对传感器解耦后的数据分析表明:采用RBF神经网络的解耦算法得到的最大Ⅰ类误差和Ⅱ类误差分别为1.29%、1.56%。结果显示:采用RBF神经网络的解耦算法,能够更加有效地减小传感器的Ⅰ类误差和Ⅱ类误差,满足了传感器两类误差指标均低于2%的要求。该算法有效地提高了传感器的测量精度,基本解决了传感器解耦困难的难题,

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。