针对神经网络的机器人逆运动学求解.pdfVIP

摘要 捅要 作为一种先进的生产工具，机器人己经被广泛应用于多个领域。利用机器人 不仅能够完成大量简单重复性工作，而且可以代替人完成许多以前必须通过人工 才能完成的复杂、繁重、危险性的工作，在提高效率的同时改善了质量。 机器人的控制问题主要包括：轨迹规划问题、逆运动学问题和逆动力学问题。 而机器人逆运动学求解问题在机器人学中占有重要地位，是研究机器人动力学和 机器人控制的基础，并直接关系到运动分析、离线编程等。从机器人控制角度讲， 逆运动学问题是一个很重要的课题，一直备受人们关注。 本文以瑞典ABB公司生产的IRBl40型小型工业机器人为例，对空间六自由 度多关节机器人进行了运动学分析，并采用D．H方法建立了其运动学模型，推导 出机器人的正运动学公式。本文提出矩阵逆乘的逆解算法。与传统方法相比，大 大减少了计算逆解运动方程的计算量。针对有时在逆解中有几组不是真解的问 题，本文详细讨论各位置参数的取值对逆解结果的影响，明确了逆解角度求解公 式，避免了可能出现的漏解的情况。 本文利用神经网络对于非线性映射的强大的逼近能力，实现机器人从工作变 量空间到关节变量空间的非线性映射，从而求得机器人运动学逆解。将解析算法 得到的运动学正解作为训练样本，采用改进的BP神经网络算法来研究机器人的逆 运动学问题。利用LMBP神经网络的局部逼近的优点，本文将求解机器人运动学逆 解转化为对神经网络的权值进行训练，实现了机器人从工作空间到关节空间的非 线性映射。该法还克服了标准BP算法收敛速度慢，收敛精度差的缺点。本文还提 供了另一种简单、快速、准确地逆运动学求解新思路，即用径向基函数网络来进 行函数逼近。最后通过对IRBl40型机器人的仿真研究表明，用此神经网络算法反 解机器人运动学不仅求解过程简单，学习收敛速度快，还可以避免传统反解方法 中的许多棘手问题。 关键词：IRBl40型机器人、逆运动学、BP算法、RBF神经网络、仿真 Abstract Abstract manufacture havebeen in Asakind0fadvanced many tool，maIlipulatorsapplied can not n啪erous a perf．0n11only simplerepetitiVe fieldS．Throughmanipulator，one alotof and workthathaVetobedone also wo呔，but conlplex，onerousdangerous w‰eIlhanceda11d inthe improVedquality． ani6ciallypast，both e伍ciency Roboticscontrol include shon)， pl猢ingproblem(TPP，in problems tr句ectory kinematics in inverse inverSe dyn锄icsproblem(IDP)．The problem(IKPshoIrt)aIld and