TY -的A2 Bukovsky, Ivo AU - Banjanovic-Mehmedovic Lejla盟——Karic Senad盟——Mehmedovic Fahrudin PY - 2011 DA - 2011/12/27 TI -最优搜索策略的机器人装配基于神经振动学习六世- 2011 AB - SP - 549489提出了最优搜索策略的实现(OSS)的验证装配过程基于神经学习振动。以某多级行星减速器齿轮配合为例，研究了微型零件复杂的机器人装配问题。行星齿轮上管的装配是行星齿轮整体装配中最困难的问题。并观察了振动和旋转运动对公差补偿的有利影响。提出的基于神经网络的振动状态参数学习算法，可以使振动状态参数的范围得到扩展。采用基于最小距离路径的振动参数级集(机器人抓取振动的振幅和频率)的优化搜索策略和恢复参数算法，可以改善机器人的装配行为，即允许以尽可能快的匹配方式进行装配。通过仿真程序验证了搜索策略适用于不确定性引起的突发事件的情况。SN - 1687-9600 UR - https://doi.org/10.1155/2011/549489 DO - 10.1155/2011/549489 JF - Robotics Journal PB - Hindawi Publishing Corporation KW - ER -