文献类型：期刊文章

作　　者：惠文珊[1] 李会军[1] 陈萌[2] 宋爱国[1]

Hui Wenshan;Li Huijun;Chen Meng;Song Aiguo(School of Instrument Science and Engineering,Southeast University,Nanjing 210096,China;Aerospace System Engineering Shanghai,Shanghai 201109,China)

机构地区：[1]东南大学仪器科学与工程学院,南京210096 [2]上海宇航系统工程研究所,上海201109

出　　处：《仪器仪表学报》

基　　金：国家重点研发计划(2017YFB1002802);国家自然科学基金(61773265);上海航天科技创新基金(SAST2017-021)项目资助

年　　份：2019

卷　　号：40

期　　号：1

起止页码：211-218

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：基于触觉进行物体识别对于机器人实现精细操作、人机交互有着重要意义。结合深度学习理论,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)神经网络的融合模型的机器人触觉序列识别方法,使用14种实验样品组建的触觉数据库进行了十四分类和四分类测试,分别达到了94.2%和95.0%的识别正确率;在此基础上搭建了一套结合物体在线识别的稳定抓取系统,有效地改善了机器人灵巧手的抓握效果。实验表明,对比基本卷积神经网络模型和简单长短期记忆神经网络模型,提出的融合模型对于触觉序列有更好的识别能力,并且能够实际应用于物体在线识别和稳定抓取控制。

关 键 词：机器人灵巧手 触觉序列  卷积神经网络 长短期记忆神经网络  抓取控制  

分 类 号：TP242]