为了提高机器人的定位精度,对传统的基于神经网络的机器人精度补偿方法进行改进。采用两种基于粒子群优化的极限学习机(PSO-ELM)模型的精度补偿方法对机器人关节坐标及直角坐标进行补偿。分别对两种方法进行仿真实例分析,并与遗传算法优化的极限学习机(GA-ELM)模型进行对比。仿真结果表明,对直角坐标进行补偿的PSO-ELM机器人精度补偿法优于其他补偿方法,且具有较高的预测精度。
2021-09-30 14:38:54 1.62MB 机器人 精度补偿 极限学习机
1