基于深度学习的混联机械臂轨迹运动容错算法研究

针对混联机械臂轨迹控制偏差大、难度高的问题,提出一种基于深度学习的容错算法。在笛卡尔空间内基于非线性函数确定关节向量间的相关性,并改善轨迹容错纠偏的收敛性能;基于DBNs模型训练混联机械臂动态位置移动信息,在全局范围内搜索最优解;根据每个关节空间移动轨迹特征和深度学习容错机制,保证机械臂系统闭环操作的稳定性和适用性。仿真结果表明:采用提出的容错算法,6个关节实际移动曲线与期望曲线的偏差程度较小,算法的复杂程度更低。