来源：期刊VIP网 时间：
作者：亓振广;王桂从;褚宏博;张帅;李映君;
单位：济南大学机械工程学院;山东省传感技术与高精度衡器重点实验室;
摘要：针对压电式六维力/力矩传感器存在的维间耦合导致传感器测力性能下降问题，提出了一种基于长短期记忆神经网络(LSTM)的压电式六维力/力矩传感器解耦算法。首先，通过六维力传感器静态标定实验，获取解耦算法所需的实验数据，并对其进行处理；然后，通过分析传感器维间耦合产生的原因及LSTM神经网络解耦原理，构建LSTM神经网络解耦模型；最后，采用基于LSTM神经网络的解耦算法，对传感器输出的多维非线性特性开展优化，解耦后得到传感器输入、输出之间的映射关系和对应的输出数据，并与径向基函数(RBF)及最小二乘(LS)解耦算法进行对比分析。研究结果表明：所使用四点支撑式压电六维力传感器的最大重复性误差为1.55%;采用基于LSTM的神经网络算法解耦后，传感器输出结果的最大非线性误差、交叉耦合误差分别为0.55%和0.28%,均小于RBF和LS算法。LSTM神经网络解耦算法能有效减少六维力/力矩传感器的维间耦合，提高传感器的测量精度，对航空航天领域的发展具有参考意义。
关键词：六维力/力矩传感器;;压电式;;解耦算法;;长短期记忆神经网络;;维间耦合
基金资助：山东省自然科学基金资助项目(ZR2023ME109);; 济南市“新高校20条”科研带头人工作室资助项目(202228116)
