基于神经网络的机器人逆运动学求解

《基于神经网络的机器人逆运动学求解》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中国科学技术大学硕士学位论文基于神经网络的机器人逆运动学求解姓名：王海鸣申请学位级别：硕士专业：精密机械与精密仪器指导教师：孔凡让20080501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

2、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

3、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

4、，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AbstractAsakind0fadvancedmanufacturetool，maIlipulatorshavebeenappliedinmanyfieldS．Throughamanipulator，onecanperf．0n11notonlyn啪eroussimplerepetitiVewo呔，butalsoalotofconlp

5、lex，onerousanddangerousworkthathaVetobedoneani6ciallyinthepast，bothw‰eIlhancede伍ciencya11dimproVedquality．Roboticscontrolproblemsincludetr句ectorypl猢ingproblem(TPP，inshon)，inverSekinematicsproblem(IKPinshoIrt)aIldinversedyn锄icsproblem(IDP)．TheIKPisthevitalpaI

6、rtofroboticsandthebaseofroboticdynamicsandcontrol，、Vhichisdirectlyrelatedtothekinematicsanalysis，of．f．1ineprogr锄mingandsoon．Fromtheviewpoimofroboticscontro“KPisamainaquestionfordiscussion，somanypeoplepaymoreattentionstoit．BaSedonIRBl40indu嘶alrobotmadebyABB，t

7、hispaperanalyzesa6DOFmuhi．iointindustrialrobotinkinematics，a11dputsforwardakin锄aticsmodelallddeducesaforwardkinematicsequationbyusingD—Htransfo咖ationmatrixmethod．Afkrthat，aninversekinematicsequationthatneedstheinversematrixmultiplicationonlyonceispresentedin

8、thispaper．ComparedwiththeconVentionalmethods，thememodreducestheworkofcalculation伊eatly．ThispaperconsiderstheproblemthatsometimestheresultsoftheinverSekinematicsequationsarenotreal．Theef佗cttoeach