基于BP网络的MOTOMAN机器人运动学逆解研究.pdf

基于BP网络的MOTOMAN机器人运动学逆解研究.pdf

ID:54017905

大小:243.63 KB

页数:6页

时间:2020-04-28

基于BP网络的MOTOMAN机器人运动学逆解研究.pdf_第1页
基于BP网络的MOTOMAN机器人运动学逆解研究.pdf_第2页
基于BP网络的MOTOMAN机器人运动学逆解研究.pdf_第3页
基于BP网络的MOTOMAN机器人运动学逆解研究.pdf_第4页
基于BP网络的MOTOMAN机器人运动学逆解研究.pdf_第5页
资源描述:

《基于BP网络的MOTOMAN机器人运动学逆解研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、·56·MechanicaiEiectricaiEngineeringMagazineVoi.20No.22003机电工程2003年第20卷第2期!机器人技术!基于BP网络的MOTOMAN机器人运动学逆解研究张培艳,吕恬生,宋立博(上海交通大学机械工程学院,上海200030)摘要:探讨了BP网络在MOTOMAN机器人运动学逆解中的应用。利用正解的结果作为训练样本,通过逐次训练6个输入节点、2个隐层、单输出节点的BP网络得到机器人从工作空间到关节空间的非线性映射,从而实现运动学逆解计算。关键词:MOTOMAN

2、机器人;BP网络;运动学逆解中图分类号:TP242;TPl83文献标识码:A文章编号:l00l-455(l2003)02-0056-04StudyonBPNetworks-basedInverseKinematicsofMOTOMANManipulatorZHANGPei-yan,LVTian-sheng,SONGLi-bo(CollegeofMechanicalEngineering,ShanghaiJiaotongUniuersity,Shanghai200030,China)Abstract:This

3、paperdiscussestheappiicationoftheBPnetworkininversekinematicsofMOTOMANmanipuiator.SomeforwardkinematicsresuitswereusedastrainingdatasetintheBPnetworkandthenoniinearmappingfromjoint-variabie-spacetoopera-tion-variabiespacewasobtainedwithiterativetrainingand

4、iearningmethod.Keywords:MOTOMANmanipuiator;BPnetwork;inversekinematicsl前言神经网络直接实现MOTOMAN机器人从工作空间到运动学逆解是将工作空间内机器人末端执行器关节变量空间的非线性映射关系,从而求得其运动的位姿转化成关节变量的过程,在机器人控制中占学逆解问题的方法。有非常重要的地位,直接涉及到运动分析、离线编2MOTOMAN机器人D-H描述程、轨迹规划等问题。通过运动学逆解可实现机器MOTOMANSV3系列机器人具有6个自由度,如人末

5、端执行器的空间位姿控制,因此,运动学逆解是图l所示。且各关节均为旋转关节。为分析其运动机器人控制的基础。学逆解问题,建立D-H标架和系统坐标系,如图2很多学者应用代数法、几何法及数值迭代法等所示。由此确定的机器人各杆件结构参数,如表l研究机器人运动学逆解问题。对大多数工业或商业所示。机器人而言,一般都可用代数法求得封闭解。代数法的缺点是计算量大,往往需要直觉观察和经验,而且几何概念不强,不能利用特定机器人的结构根据几何概念来简化计算过程[l,2]。许多情况下代数法常与几何法结合起来以简化计算。迭代法依赖于初

6、始点,可收敛于单一解,但收敛速度受限制,无法用于实时控制。近年来,出现了使用神经网络[3~5]、优化算法[6,7]等求解运动学逆问题的方法。用神经网络求解机械手运动学逆解也属于迭代法,但与传统迭代法不同的是神经网络方法依赖于网络的结构。图lMOTOMANSV3机器人本文研究将运动学正解作为训练样本,使用BP收稿日期:2002-ll-l9修订日期:2003-02-26作者简介:张培艳(l976-),女,福建人,上海交通大学机械工程学院博士研究生,研究方向:工业机器人、智能机器人。机电工程2003年第20卷第2

7、期MechanicaI&EIectricaIEngineeringMagazineVoI.20No.22003·57·元全连接而成。其隐层神经元的变换函数是S型函数,可以实现从输入到输出任意的非线性映射。BP网络的学习过程由前向过程和误差反向传播过程组成。其前向计算过程如下[4]:(1)输入层节点i的输出0i等于其输入Li;(2)隐层节点的输入、输出分别为:i-1="iOi+,O=(fi)=[1+ex(p-i)]i式中i———隐层节点与上一层节点i之间的连接权值图2MOTOMANSV3机器人的标架与参数——

8、—隐层结点的阈值表1MOTOMANSV3机器人连杆参数f———非线性Sigmoid函数关节aiiiii关节变量范围(3)输出层节点I的输入、输出分别为:i/mm//mm//1150-9000-170~+170iI="IO+I,O=g(i)=iI22601800-90-45~+150式中I———输出层节点I与上一层节点之间的360-9000-70~+190连接权值4090-2600-180~+18050-9000-

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。