基于深度学习的空间自由飞行机器人多阻抗控制
《IEEE Transactions on Aerospace and Electronic Systems》:Deep Learning Based Multiple Impedance Control of a Space Free-Flying Robot
【字体:
大
中
小
】
时间:2026年08月28日
来源:IEEE Transactions on Aerospace and Electronic Systems 7.0
编辑推荐:
摘要:机器人技术中的阻抗控制(IC)对于实现与未知环境的有效机械交互至关重要,是机器人控制系统的基本方面。最近,这一概念演变为多阻抗控制(MIC),涉及更复杂的计算,从而增加了计算负担并可能增加控制系统的响应时间。深度学习(DL)算法通过简化控制过程和提高整体系统性能,为解
摘要:
机器人技术中的阻抗控制(IC)对于实现与未知环境的有效机械交互至关重要,是机器人控制系统的基本方面。最近,这一概念演变为多阻抗控制(MIC),涉及更复杂的计算,从而增加了计算负担并可能增加控制系统的响应时间。深度学习(DL)算法通过简化控制过程和提高整体系统性能,为解决这些挑战提供了有前景的解决方案。引入了一种称为"DL-MIC"的新方法,使用人工神经网络(ANN)架构来降低 MIC 的计算复杂度。此处提出的案例研究涉及一个空间自由飞行机器人(SFFR)沿不同的直线和曲线路径执行协作物体操作。DL-MIC 方法使乘法运算减少了 93.51%,加法运算减少了 87.30%。除了减轻计算负担外,该方法还保持了计算精度,实现了 0.98 的相关系数和 0.003 的均方误差(MSE)。此外,在不确定环境力下,系统表现出强大的扰动抑制能力,有效验证了随机结果和确定性的一致最终有界(UUB)稳定性分析。这些结果表明,将 DL 集成到 MIC 中提高了效率,确保了鲁棒的实时控制,并保持了精度,表明这是未来推进机器人控制系统的有前景方向。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号