移动机器人路径控制网络中异常参数识别方法
来源期刊:机械设计与制造2020年第6期
论文作者:杨雁莹
文章页码:273 - 277
关键词:移动机器人;路径控制网络;电路异常量;射频识别量;单片机参数;控制信号;模态频率;阻尼比;
摘 要:移动机器人控制网络中的异常参数特征无法形成可识别的非平稳输出信号,导致传统的基于局部均值分解的异常参数识别过程精度低。提出一种移动机器人路径控制网络的异常参数识别方法。以移动机器人路径控制网络中,电路异常量处理结果作为支持,根据机器人射频识别量计算原理,通过单片机异常参数整合的方式,计算移动机器人路径控制网络中的可疑异常参数特征。在此基础上,通过单分量控制信号模态分解、多分量控制信号模态分解的方式,计算模态频率的阻尼比数值,完成移动机器人路径控制网络中异常参数识别。比对实验结果表明,与局部均值分解手段相比,异常参数识别精准度提升,非平稳信号调幅周期缩短至0.90s,调频波总长度不超过11.4mm,机器人非平稳输出信号的振动响应属性得到有效控制。
杨雁莹
南京森林警察学院
摘 要:移动机器人控制网络中的异常参数特征无法形成可识别的非平稳输出信号,导致传统的基于局部均值分解的异常参数识别过程精度低。提出一种移动机器人路径控制网络的异常参数识别方法。以移动机器人路径控制网络中,电路异常量处理结果作为支持,根据机器人射频识别量计算原理,通过单片机异常参数整合的方式,计算移动机器人路径控制网络中的可疑异常参数特征。在此基础上,通过单分量控制信号模态分解、多分量控制信号模态分解的方式,计算模态频率的阻尼比数值,完成移动机器人路径控制网络中异常参数识别。比对实验结果表明,与局部均值分解手段相比,异常参数识别精准度提升,非平稳信号调幅周期缩短至0.90s,调频波总长度不超过11.4mm,机器人非平稳输出信号的振动响应属性得到有效控制。
关键词:移动机器人;路径控制网络;电路异常量;射频识别量;单片机参数;控制信号;模态频率;阻尼比;