優化極限學習機算法及其在力信息解耦中的應用

摘要：高性能解耦算法有助于提高多維力傳感器的檢測精度。針對傳統非線性解耦算法存在精度較低等缺點,對極限學習機算法進行了優化和改進,并將其應用于多維力信息解耦。在基于粒子群和遺傳算法兩種改進極限學習機算法(PSO-ELM、GA-ELM)的基礎上,提出了一種基于天牛須算法的改進極限學習機(BAS-ELM),天牛須算法針對極限學習機隱含層節點參數的每一維進行逐步的優化,使得整體損失函數最小。為驗證算法性能,本文以六維力/力矩傳感器為實驗對象,將各類改進算法應用到力/力矩傳感器的非線性解耦中,通過解耦實驗可知,與其他算法相比,BAS-ELM解耦精度更高、收斂時間更短,對于非線性解耦具有更強的適應性。