针对气动肌肉运动过程中产生的迟滞现象,采用神经网络方法对其位移/气压迟滞开展了建模比较研究。首先组建了气动肌肉的迟滞特性测试实验平台,采集其位移/气压迟滞实验数据;然后基于BP神经网络和RBF神经网络分别进行了迟滞环的整体和分段建模,并与经典PI模型的建模效果进行了对比。研究表明,PI模型的建模精度比神经网络差,但计算时间短;神经网络整体建模时存在过拟合现象,而分段建模则可有效避免过拟合现象;BP神经网络的建模与预测精度均优于RBF神经网络;对于BP神经网络,分段建模的平均误差、均方差和最大误差相较于整体建模分别减小了9.07%、14.54%和24.68%,而采用RBF神经网络,其误差分别减小了8.89%、13.03%和19.49%,可见分段建模的预测精度优于整体建模。

针对传统迟滞模型存在的待辨识参数多、参数辨识过程复杂和辨识精度低等问题,采用最小二乘支持向量机对气动肌肉的位移/气压迟滞开展建模研究。通过非线性映射将原始数据空间映射到高维空间,将原系统的非线性问题变成高维空间中的线性问题,借助于最小二乘法求解该线性方程组,从而提高其求解速度及收敛精度。在气动肌肉迟滞特性实验的基础上,采用所建数学模型,与经典的PI模型进行对比。结果表明,采用最小二乘支持向量机建立的数学模型具有更高的建模精度,均方差和平均误差相比PI模型分别减小了99.21%和99.1%,该方法可为后续气动肌肉的迟滞补偿控制提供有效的手段。

软体机器人是由柔韧性材质制造而成,高柔韧性,可以大范围地改变自身的形态并且利用自身的柔韧性实现对目标物的保护;传统的刚性机器人具有输出力矩大,运动快而精确的特点;针对西红柿等农产品刚性机械手易损伤,柔性机械手输出力不够的问题,设计了一种刚性与柔性联合驱动的农产品采摘机械手;保证输出力的同时也对农产品进行了保护。