典型文献
基于IPSO-BPNN-PID控制的食品并联机器人抓取技术
文献摘要：
目的:解决并联机器人在食品分拣中存在的效率低、精度差等问题.方法:在食品分拣系统结构的基础上,提出了一种改进BP神经网络与PID控制相结合的Delta机器人运动 目标抓取策略.通过改进的粒子群优化算法优化BP神经网络初始权值,并利用优化的BP神经网络对PID控制参数进行实时调整.通过试验分析该方法的性能验证其优越性.结果:相比于传统控制方法,所提方法能够较为准确、高效地实现动态目标捕获,动态抓取成功率达到98％以上,能够满足食品分拣的需要.结论:通过对动 目标抓取策略的优化可以有效地提高Delta机器人的抓取效率和精度.
文献关键词：
Delta机器人;运动目标抓取;食品分拣;PID控制;BP神经网络;粒子群优化算法
中图分类号：
作者姓名：
黄崇富;常宇;刘力超
作者机构：
重庆工程职业技术学院,重庆 402260;中煤科工集团重庆研究院有限公司,重庆 400037;四川大学锦城学院,四川成都 611731
文献出处：
引用格式：
[1]黄崇富;常宇;刘力超-.基于IPSO-BPNN-PID控制的食品并联机器人抓取技术)[J].食品与机械,2022(08):94-98,126
A类：
食品分拣,运动目标抓取
B类：
IPSO,BPNN,PID,并联机器人,机器人抓取,分拣系统,系统结构,Delta,机器人运动,改进的粒子群优化算法,算法优化,权值,控制参数,试验分析,性能验证,动态目标,目标捕获,动态抓取,功率达,足食
AB值：
0.290055
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
