采用长短期记忆神经网络的压电式六维力/力矩传感器解耦算法

亓振广; 王桂从; 褚宏博; 张帅; 李映君

西安交通大学学报 ›› 2025, Vol. 59 ›› Issue (4) : 158 -170.

亓振广, 王桂从, 褚宏博, 张帅, 李映君

作者信息 +

Author information +

文章历史 +

摘要

针对压电式六维力/力矩传感器存在的维间耦合导致传感器测力性能下降问题，提出了一种基于长短期记忆神经网络(LSTM)的压电式六维力/力矩传感器解耦算法。首先，通过六维力传感器静态标定实验，获取解耦算法所需的实验数据，并对其进行处理；然后，通过分析传感器维间耦合产生的原因及LSTM神经网络解耦原理，构建LSTM神经网络解耦模型；最后，采用基于LSTM神经网络的解耦算法，对传感器输出的多维非线性特性开展优化，解耦后得到传感器输入、输出之间的映射关系和对应的输出数据，并与径向基函数(RBF)及最小二乘(LS)解耦算法进行对比分析。研究结果表明：所使用四点支撑式压电六维力传感器的最大重复性误差为1.55%;采用基于LSTM的神经网络算法解耦后，传感器输出结果的最大非线性误差、交叉耦合误差分别为0.55%和0.28%,均小于RBF和LS算法。LSTM神经网络解耦算法能有效减少六维力/力矩传感器的维间耦合，提高传感器的测量精度，对航空航天领域的发展具有参考意义。