基于RBF神经网络的3-U■S/S稳定平台运动学标定

作者：田文杰^*; 赵堃; 张熙临; 王丽娜; 张相鹏

来源：天津大学学报 (自然科学与工程技术版), 2023, 56(09): 985-997.

• 姿态稳定平台
• 运动学标定
• 伪误差模型
• RBF神经网络
• PSO算法

三自由度并联构型稳定平台常用作船载稳定平台对船舶扰动进行补偿，姿态精度是并联构型姿态稳定平台的重要性能指标，由于机构中各项几何与非几何误差源之间具有强耦合、非线性等特点，难以建立包含全部误差源的误差模型用于运动学标定．针对该问题，本文提出了一种基于等效误差模型以及RBF神经网络的关节空间误差补偿方法，该方法首先基于伪误差理论将因几何、非几何误差引起的机构动平台姿态误差等效视为仅由驱动关节杆长误差所引起，进而采用RBF神经网络建立了名义驱动关节变量与驱动关节杆长伪误差之间的非线性映射模型．此后，为提升网络泛化性能与动平台姿态误差预测精度，针对性地设计了一种二级分层网络训练方法，下层构建网络线性结构，上层采用粒子群优化(PSO)算法同步全局优化网络扩展常数与正则化参数．最后，采用PSO-RBF在3-UPS/S并联姿态稳定平台上开展了关节空间等效误差预测仿真和作业空间误差补偿实验研究，结果表明，本文所提方法具有高度的灵活性和适用性，可高精度刻画名义驱动变量与驱动关节杆长伪误差之间的映射关系，且网络输出变量可直接用于运动学标定，关节空间中的杆长精度提升了93.6%，作业空间中的姿态精度提升了92.3%，有效提升了标定效率与精度，验证了所提方法的正确性和有效性．

• 单位
  天津大学