神經網絡在機械手逆解求解中的應用.pdf

1、機械手是機器人的一種,可以廣泛使用在社會生活的各個方面,比如機器控制,易爆物品的裝配、搬運或拆卸,以及消防滅火、反恐等高度危險場合代替或輔助人完成高危工作,具有重要的現(xiàn)實意義。
　　當前,對于機械手的研究主要包括三個方面:一是機械手運動學方面的研究;二是是機械手動力學方面的研究;三是機械手軌跡規(guī)劃方面的研究。在這三個方面的研究中,機械手運動學是基礎。機械手運動學包括機械手運動模型的建立和機械手運動方程正解、逆解的求解問題。而機械手

2、運動方程的逆解求解問題直接關系到機械手運動分析、離線編程、軌跡規(guī)劃和實時控制等工作。因此,對機械手運動方程的逆解進行求解是機械手運動學研究中一個非常重要的課題。
　　本文以SCARA型機械手為例,對其運動學進行了分析,采用D-H方法建立運動學模型,并推導出正運動學方程。為后面章節(jié)進行的仿真實驗奠定理論基礎。
　　機械手運動學方程是一個非線性系統(tǒng),神經網絡對于非線性系統(tǒng)具有強大的逼近能力,由此把神經網絡應用于機械手運動學逆解求

3、解過程,利用神經網絡的非線性函數逼近能力,可以求得機械手運動方程的逆解。神經網絡應用比較廣泛的是BP算法和RBF神經網絡。針對傳統(tǒng)BP算法在訓練神經網絡中的不足之處,如搜索速度慢、求解精度低、易于陷入局部極小值等,提出了基于遺傳算法的BP神經網絡來學習神經網絡連接權值,求解機械手運動學逆解。理論分析和數值仿真結果表明遺傳算法優(yōu)化BP神經網絡來求解機械手逆運動學方程是實用可行的,收斂速度和求解精度都較傳統(tǒng)BP算法有所提高。對于RBF神經網