| 摘要:高性能解耦算法有助于提高多维力传感器的检测精度，针对传统非线性解耦算法存在精度较低等缺点，对极限学习机算法进行了优化和改进，并将其应用于多维力信息解耦。在基于粒子群和遗传算法两种改进极限学习机算法(PSO-ELM、GA-ELM)的基础上，提出了一种基于天牛须算法的改进极限学习机(BAS-ELM，天牛须算法针对极限学习机隐含层节点参数的每一维进行逐步的优化，使得整体损失函数最小。为验证算法性能，本文以六维力/ 力矩传感器为实验对象，将各类改进算法应用到力/ 力矩传感器的非线性解耦中，通过解耦实验可知，与其他算法相比，BAS-ELM解耦精度更高、收敛时间更短，对于非线性解耦具有更强的适应性。 |
| 关键词: 多维力传感器、静态解耦、极限学习机、天牛须算法、粒子群算法、遗传算法 |
|
|
|
|
| Abstract: |
| Key words: |