首页|深度神经网络下机器人滑移量检测与路径规划

深度神经网络下机器人滑移量检测与路径规划

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为保证机器人行驶路径最短时避免发生滑移,提出基于深度神经网络的机器人移量检测与路径规划方法.通过分析机器人运动学情况,结合机器人滑移量会随轨迹、地面平整度及障碍物影响范围发生变化,构建运行轨迹方程组,求得会影响滑移量的因变量值;建立位姿计算坐标系,设置机器人滑轮初始位姿坐标,计算发生滑移后末端位姿,更新后代入滑移公式求得滑移量;以障碍物避障和路径最短为规划标准,采用深度神经网络算法激活避障及路径最短的约束函数,输出规划结果.通过对比实验结果证明所提方法的有效性,在所提方法控制下滑移量检测结果与实测值表达一致,规划路径在保障高效避障的同时确保是最短行驶距离,优于对比方法,可靠性强.
Robot Slip Detection and Path Planning Based on Deep Neural Network

Deep Neural NetworkRunning TrackRobot SlipInitial PoseConstraint FunctionRoute Planning

孙滨

展开 >

郑州工业应用技术学院信息工程学院,河南 郑州 451150

河南师范大学计算机与信息工程学院,河南 新乡 453000

深度神经网络 运行轨迹 机器人滑移量 初始位姿 约束函数 路径规划

202河南省重点研发与推广专项(科技攻关)2020年度河南省重点研发与推广专项(科技攻关)2019年河南省教育厅高校青年骨干教师培养资助项目

2221022101592021022103612019GGJS279

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.392(10)
  • 10