基于LSTM-XGboost的机械臂平稳性预测方法研究

摘要

为了研究机械臂控制指令参数与机械臂实际运动平稳性之间的关系,提出了一种基于LSTM-XGboost机械臂平稳性预测方法。首先基于评分卡模型获取机械臂运动的平稳性评分作为数据的平稳性标签,并根据实际采集的机械臂运动末端振动信号设计平稳性特征指标。将机械臂振动的采集信号根据动作进行切分,利用XGboost模型学习控制指令参数与平稳性特征指标间的关系。接下来,使用LSTM算法建立特征指标-平稳性评分预测模型,使模型能够根据机械臂的指令参数预测机械臂运动平稳性水平。基于新松SR4B机械臂进行了实验,验证了所提模型在机械臂平稳性预测上的良好效果。