通过数字双胞胎集成和混合神经网络进行自适应机器人手臂控制
1School of Artificial Intelligence, Wuhan Technical College of Communications, Wuhan, 430065, Hubei, China. ZHAOxin217@whtcc.edu.cn.
Scientific reports
|January 10, 2026
概括
这项研究介绍了使用数字双胞胎和混合神经网络的智能机器人手臂控制系统. 它显著提高了高级机器人应用的跟踪精度,响应时间和干扰拒绝.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 控制系统 控制系统
背景情况:
- 传统的反控制在复杂的机器人环境中扎.
- 现有的混合神经网络通常只使用两个组件.
- 数字双胞胎为增强机器人控制提供了潜力,但需要集成.
研究的目的:
- 为机器人手臂开发一种新的数字双驱自适应控制系统.
- 整合混合神经网络架构以获得卓越的性能.
- 在动态设置中克服传统控制方法的局限性.
主要方法:
- 一个数字双胞胎框架,在物理和虚拟领域之间进行双向闭环映射.
- 卷积神经网络 (CNN),长期短期记忆 (LSTM) 网络和变压器模块的集成.
- 混合网络协同效应的三方协作优化机制.
主要成果:
- 在UR10e机器人臂上实现了98.73%的追踪精度.
- 提高了35.2%的响应时间和42.3%的干扰排斥.
- 在多个机器人平台和有效载荷变化 (0.5-8kg) 中证明了通用性.
结论:
- 混合神经网络的数字双驱动系统为机器人手臂提供了卓越的自适应控制.
- 与传统方法相比,这种方法提高了稳定性,效率和性能.
- 该系统显示了高的培训数据效率,需要40%的样本来获得可比结果.
