Efficient PSO-based algorithm for parameter estimation of McKibben PAM model
Efficient PSO-based algorithm for parameter estimation of McKibben PAM model
复制标题
基于 PSO 的高效 McKibben PAM 模型参数估计算法
DOI：
10.1109/ccta.2017.8062657
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Yu Nishiyama
中科院分区：
文献类型：
--
作者：
Atsushi Okabe;T. Ishikawa;K. Kogiso;Yu Nishiyama
研究了比例换向阀驱动的McKibben气动人工肌肉（PAM）复杂非线性混合模型的参数估计问题，提出了一种基于粒子群优化的高效算法，从模型精度和计算时间两方面寻找合适的模型参数。一种提高算法效率的新方法是关注PAM模型的参数空间，并使用支持向量机（SVM）在参数空间中指定子集。粒子群算法的惯性被消除到允许粒子在子集区域内密集搜索的程度。此外，本研究以三种不同的实际PAM产品验证了所提算法的有效性。
This study considers the parameter estimation problem for an elaborate nonlinear hybrid model of a McKibben pneumatic artificial muscle (PAM) actuated by a proportional-directional control valve and proposes an efficient particle-swarm-optimization-based algorithm to find adequate model parameters in terms of model accuracy and computation time. A novel approach to making an algorithm more efficient is to focus on the parameter space of the PAM model and to use a support vector machine (SVM) to specify a subset in the parameter space. The inertia of the PSO algorithm is erased to the extent that the particles are allowed to search intensively in the subset region. Furthermore, this study validates the efficiency of the proposed algorithm using three different practical PAM products.
博弈论学习在 McKibben 气动人工肌肉系统灰箱建模中的应用
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
Kiminao Kogiso;Ryo Naito;Kenji Sugimoto
通讯作者：
Kenji Sugimoto