论文部分内容阅读
提高机器人性能及智能控制水平,关键在于对机器人系统的性能进行不断优化,而其核心问题是对机器人性能进行合理的评价及良好的控制。本文基于多元统计分析方法对机器人性能进行综合评价。论文的主要研究内容如下:(1)主成分分析(Principal ComponentAnalysis,PCA)方法的适用性研究。分析了多元统计分析方法中常用的系统综合评价方法,基于机器人单一性能指标的多样性和相关性,比较得出PCA方法在机器人性能综合评价中的适用性。进一步,针对传统PCA方法的不足,将PCA的扩展方法——核主成分分析(KernelPrincipals Components Analysis,KPCA)引入机器人性能综合评价中,并针对其适用情况提出具体算法,最后应用灰色关联度分析法(Gray Relative Analysis,GRA)验证了PCA方法在机器人性能综合评价中的正确性。(2)机器人性能综合评价。归纳了机器人的运动学灵活性性能和全域性性能的单一性能指标的计算方法和物理意义。综合评价了两类情况下的机器人性能:第一类,已知机器人的构型和尺度,综合评价该机器人在其工作空间内不同点或不同区域的性能。第二类,已知机器人的操作任务,综合评价不同构型机器人或相同构型不同尺度机器人完成该任务时的性能。(3)综合性能评价指标。通过对以上两类情况下机器人性能的综合评价,发现各单一性能指标之间的相关性,并构建机器人综合性能评价指标。基于综合性能评价指标为机器人工作尺度和机器人工作任务位置的优选提供科学的参考依据。通过以上研究,形成了一系列基于PCA及其扩展方法应用于不同机器人性能综合评价的理论和方法,发现各种单一性能指标之间的关系,基于综合性能评价指标为机器人工作尺度和机器人工作任务位置的优选提供科学的参考依据。