基于大数据挖掘的机械手夹持角控制方法研究

摘要

机械手夹持角关系到物体抓取牢固程度,一旦机械手夹持角出现较大偏差,将导致物体运送过程中出现掉落的现象,影响了机械手的工作质量和工作效率。为此,研究了基于大数据挖掘的机械手夹持角控制方法。建立机械手夹持活动域模型,明确后期运动控制模型提供限制区域。利用角位置传感器采集相关数据和图像,结合绝对标记形心坐标和标记点运行轨迹中心坐标,检测推算出机械手实时夹持角。通过大数据挖掘算法中的回归方法,建立机械手最优夹持角计算模型,得出预期值。利用大数据挖掘算法中的BP神经网络算法,优化PID控制器中的三个参数。以计算预期值与机械手实时夹持角之间的误差为输入,通过改进PID控制器计算机械手夹持角控制量,实现机械手夹持角优化控制。实验结果表明,所研究方法应用后,控制结果与最优夹持角之间的均方根误差均小于2°,说明所研究方法的精度较高,能够有效减小机械手夹持角偏差。