在基于深度学习的远程操作机器人控制过程中预测和消除生理震
Juntao Chen1, Zhiqing Zhang2, Wei Guan1
1College of Mechanical Engineering, Guangxi University, Nanning 530004, China.
Sensors (Basel, Switzerland)
|November 27, 2024
概括
这项研究引入了一种EEMD-IWOA-LSTM模型,以消除远程操作机器人中的人手震动. 该模型准确地预测和取消生理震,提高机器人控制精度.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 远程操作机器人提供先进的环境互动,但容易受到人类手的震动.
- 生理震会降低远程操作中高控制任务的精度.
研究的目的:
- 开发一种用于预测和消除人手震动在远程操作中的新型模型.
- 通过减轻生理震效应,提高远程操作机器人的控制精度.
主要方法:
- 提出了一个EEMD-IWOA-LSTM模型,结合了集体实证模式分解 (EEMD),改进的鱼优化算法 (IWOA) 和长短期记忆 (LSTM) 神经网络.
- 将分解的手震信号转化为内在模式函数 (IMFs),以方便处理.
- 在每个IMF和IWOA上使用LSTM进行震动预测,以优化模型.
主要成果:
- 与其他模型相比,EMD-IWOA-LSTM模型在预测和消除生理震方面表现出卓越的性能.
- 在两个测试案例中实现了0.1148和0.00623的平均平方误差 (MSE) 值.
- 成功降低了生理震对远程操作控制精度的影响.
结论:
- 拟议的EEMD-IWOA-LSTM模型有效地消除了远程操作期间人类手部的震.
- 这种方法显著提高了远程操作系统中机器人控制的精度和可靠性.
更多相关视频
06:58A Structured Rehabilitation Protocol for Improved Multifunctional Prosthetic Control: A Case Study
Published on: November 6, 2015
9.4K
04:49Author Spotlight: Enhancing Post-Stroke Upper Limb Rehabilitation with Robotic Technologies for Improved Motor Recovery and Functional Outcomes
Published on: September 6, 2024
652
