面向带电作业的手臂末端输出力评估方法

来源：南京信息工程大学学报·自然科学版杂志2019年第2期北京时间：

作者：林子

单位：林子,江西省电力科学研究院, 南昌, 330096,熊鹏文,南昌大学 信息工程学院, 南昌, 330031,steven.xpw@ncu.edu.cn何孔飞,南昌大学 信息工程学院, 南昌, 330031,张发辉,南昌大学 信息工程学院, 南昌, 330031

摘要：为了解决带电作业时手臂末端输出力的准确控制，提出一种基于表面肌电信号（sEMG信号）和支持向量机回归（SVR）实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄，做往复推拉运动，记录此时手柄处的力传感器的数据F，同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后，与力F组合成样本集合S，在样本集合中随机抽取50%的样本数据作为训练集，分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测，并用均方根误差和相关系数评估模型的预测效果.结果显示，SVR神经网络的预测效果较好，其均方根误差为3.074 0，相关系数为0.951 7.

关键词：带电作业;表面肌电信号;支持向量机;特征提取;回归预测

基金资助：国家自然科学基金（61663027）；中国博士后科学基金（2018M642137）；江西省自然科学基金（20181BAB211019）；江西省教育厅科学技术研究项目（GJJ160212）；江苏省博士后科研资助计划（2018K024A）