振动与冲击

作者：李 军，张观东

单位：兰州交通大学 自动化与电气工程学院,兰州 730070

关键词：特征向量；数据选择；支持向量机；机器人；建模；辨识

针对强耦合、高度非线性的机器人辨识问题，提出一种基于特征向量选择(FVS)的多输出支持向量机(MSVM)方法。首先由核技术对映射至特征空间的输入数据，按照几何上的考虑提取相关的数据向量，形成特征空间的一个基底，所选择的数据向量定义为特征子空间。其次，将数据投影至该子空间上，基于MSVM方法建立辨识模型，MSVM方法保持了在 不敏感损失函数下具有紧凑 与稀疏解的优点。为验证FVS-MSVM方法的有效性，将其应用于液压驱动机器人的油压辨识、PUMA 560工业机器人逆向运动学辨识、SARCOS仿生机器人逆向动力学建模中。在同等条件下，将FVS-MSVM方法与SVM、KPCA-MSVM及FVS-线性回归(LR)等方法进行比较。实验结果表明，FVS-MSVM方法不仅能够减小计算复杂度，而且具有很好的建模与辨识精度，模型的推广性好。<br>

来源：2018年第20期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2018年第20期