来源：期刊VIP网 时间：
作者：陈根;徐林森;汪志焕;张恒玮;刘志鹏;蔡剑晨;
单位：河海大学机电工程学院;常州市智能制造技术与装备重点实验室;河海大学苏州研究院;中国科学院合肥物质科学研究院;
摘要：由于材料的非线性和可变性、计算的复杂性和负载的不稳定性，软体执行器运动学的建立仍然是一项具有挑战性的任务。本文提出了一种机器学习方法来获得软体机器人在三维空间的运动学映射，以解决传统建模方法的困难问题。同时，还使用了有限元（FEM）的方式来产生大量的训练数据，以确保训练后的模型的可靠性。通过比较优化后的BP神经网络和多项式回归模型得到了最优方案。结果显示，平均位置误差在1 mm以内，平均压力误差在1.6 kPa以内。机器学习的方法解决软执行器的运动学问题，比通常的分析方法更简单、更准确。
关键词：软体执行器;;刚柔混合;;神经网络;;机器学习;;软体机器人
基金资助：常州市科技支撑计划（CE20225037）
