华南理工大学学报(自然科学版)

作者：翟敬梅, 路东伟

单位：华南理工大学 机械与汽车工程学院，广东 广州 510640

关键词：按摩机器人,动态运动基元,优化示教策略,特征匹配,高斯混合回归,反向传播神经网络

基金：广东省自然科学基金资助项目(2023A1515010682)

针对按摩机器人作业对象面貌个性化差异，引用动态运动基元（DMPs）模型泛化位姿轨迹和力轨迹。为提高DMPs学习精度，提出了优化示教策略，基于按摩区域Mediapipe特征点计算作业对象间相似度，以此优选学习对象；其次，引入高斯混合回归，算法综合多次按摩信息以加强学习能力；最后，构建反向传播神经网络（BPNN）模型拟合DMPs算法的强迫项，从根本上改变了原本模型的局限性。实验表明，不增加运行时间下的BPNN-DMPs模型与DMPs、MDMPs和SADMPs算法相比，位置和姿态平均误差分别减少44.1%和54.5%、44.1%和54.5%、29.7%和46.4%。高斯混合回归能够综合多轨迹规律，优化示教策略实施效果显著，与未做优选对象相比，面部实验中的位置和姿态平均误差降低了52.3%和70.2%，标准差降低了46.3%和71.1%；背部实验中的位置、姿态和力平均误差降低了27.7%、66.7%和24.1%，标准差降低了25.7%、54.4%和44.1%。

来源：2023年第12期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2023年第12期