作者：冯禹铭; 董秀成; 金滔机器人精度补偿极限学习机
摘要：为了提高机器人的定位精度,对传统的基于神经网络的机器人精度补偿方法进行改进。采用两种基于粒子群优化的极限学习机(PSO-ELM)模型的精度补偿方法对机器人关节坐标及直角坐标进行补偿。分别对两种方法进行仿真实例分析,并与遗传算法优化的极限学习机(GA-ELM)模型进行对比。仿真结果表明,对直角坐标进行补偿的PSO-ELM机器人精度补偿法优于其他补偿方法,且具有较高的预测精度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《计算机应用研究》（CN：51-1196/TP）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《计算机应用研究》杂志以其新颖性、学术性、系统性、技术性于一身，瞄准国家迫切需要的前沿技术，及时反映并涵盖了国内外计算机学科领域最新发展趋势及技术动向，注重刊登反映本学科领域的新理论、新方法、新技术，选题新颖，可读性强而备受广大读者所喜爱，在各行各业拥有大量的读者、作者，在计算机业界享有崇高的知名度和影响力。
部级期刊
人气 230970 评论 65
人气 216793 评论 35
省级期刊
人气 214073 评论 71
北大期刊、统计源期刊
人气 193663 评论 73
