.png){kind=icon}
返回
Kinematic Parameter Identification for Space Manipulators Using a Hybrid PSO-LM Optimization Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/aerospace12111006.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确的动力学参数识别对于空间机械臂实现毫米级定位精度和鲁棒运动控制至关重要。本研究通过建立基于Denavit-Hartenberg（DH）参数化的广义几何误差模型，开发了一种通用的参数识别综合策略。针对机器人标定，Fibonacci螺旋采样技术优化了位姿选择，确保末端执行器位姿完全覆盖机械臂的工作空间，以提升识别收敛性。通过结合Levenberg-Marquardt（LM）算法的局部收敛能力与粒子群优化（PSO）的全局搜索特性，我们提出了一种新颖的混合PSO-LM优化算法，实现了全局探索与局部精修的协同增强。搭建了以激光跟踪仪作为计量基准的实验平台，并选用6自由度（6-DOF）空间机械臂作为验证案例。实验结果表明，所提出的方法将平均定位误差从10.87 mm显著降低至0.47 mm，相对精度提升了95.7%。这些发现证实了该参数识别方法能够精确确定空间机械臂的实际几何参数，为高精度在轨操作提供了关键技术支持。
Keyword:
space manipulator
PSO-LM algorithm
Fibonacci spiral sampling
DH parameter identification
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.2
论文数:
870
被引数:
7.3K
机构
暂无机构信息
引用论文
From Unified Robot Description Format to DH Parameters: Examinations of Two Different Approaches for Manipulator.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Comparison of numerical and neural network methods for the kinematic modeling of a hybrid structure robot混合结构机器人运动学建模的数值方法与神经网络方法比较
PREAI
分享收藏
查看更多内容