神经网络在机器人逆运动学中的应用

研究了3种BP网络改进算法在机器人逆运动学中的应用。采用多层前向神经网络建立机械手逆运动学模型。仿真结果表明，所提方法可以满足机械手逆运动学解的精度，确保快速达到全局收敛。     

机器人仿真系统运动学逆解算

对目前应用的机器人运动学方程进行分析研究，揭示了采用传统运动学建模方法建立的运动学方程中存在的问题，并提出了改进措施。结合遥操作机器人仿真系统进行计算机仿真，结果表明了改进措施的正确性。     

基于BP神经网络的机器人运动学逆解新算法

介绍了BP神经网络原理及算法并利用改进的BP神经网络算法对UY自由度机器人运动学反解问题进行了探讨。通过BP网络建立运动学模型,选择贝叶斯算法,采用Matlab神经网络工具箱进行编程,同时按照一定的范围要求提供样本,在试验及数值模型提供的样本数据范围内,得出模型测试精度都能满足工程要求。文章还进行了BP网络训练,并用训练好的网络来求解运动学逆问题,取得了较好的效果,为机器人运动学逆问题算法提供了新的思路,对机器人动力学问题、轨迹规划、运动控制也有一定的启发作用。     

基于神经网络的机器人位置逆解

本文运用神经网络求解机器人运动学位置逆解。通过深入分析基于Ｋｏｈｏｎｅｎ网络原理和Ｗｉｄｒｏｗ－Ｈｏｆ误差修正的Ｍ．Ｒ．Ｓ．自组织神经网络及机器人运动学特性，创新了自组织神经网络训练算法。对ＰＵＭＡ５６０机器人的计算机仿真结果表明：本算法在自组织能力和定位控制精度方面有大幅度提高。     

机器人仿真系统运动学逆解算

对目前应用的机器人运动学方程进行分析研究 ,揭示了采用传统运动学建模方法建立的运动学方程中存在的问题 ,并提出了改进措施。结合遥操作机器人仿真系统进行计算机仿真 ,结果表明了改进措施的正确性     

基于BP网络的MOTOMAN机器人运动学逆解研究

探讨了BP网络在MOTOMAN机器人在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。     

基于BP网络的水轮机修复专用机器人运动学逆解分析

用Pro-E软件建立了水轮机修复专用机器人的本体模型，在此基础上，利用Matlab循环程序求出机器人在给定关节变量下的运动学正解，以此作为训练样本，通过逐次训练6输入、6输出、2个隐含层的BP神经网络，得到机器人从工作空间到关节变量空间的非线性映射，从而实现了水轮机修复专用机器人运动学逆解的计算。     

基于运动耦合结构的并联机器人运动学正逆解

根据运动学等效的原则，在并联机器人中引入等效串联机器人及分支等效串联机器人，以等效广义坐标为中间变量建立并联机器人运动学正道解求解算法。该算法能有效处理结构带来的运动耦合，并且规划的软件具有自动生成迭代初始点、避免多解性以及便于实际应用等特点，从而为并联机器人的结构设计与创新提供了理论支持。     

6自由度解耦机器人运动学逆解优化的研究

针对6自由度解耦机器人的多解问题,分析了机器人的正、逆运动学解,提出了基于最短行程原则的运动学逆解优化方法,确保机器人系统取得合适的逆解。该方法利用6自由度解耦机器人位置与姿态解耦的特性分别给出相应的目标函数,为提高逆解优化的效率,两个目标函数采取主从式的结构。这种优化方法基于关节变量的加权均值,计算简洁又体现了最短行程的原则。最后以PUMA560机器人为例验证该方法是有效的。     

机器人仿真系统运动学逆解算方法分析

对目前应用的机器人运动学方程进行分析研究，对采用传统运动学建模方法建立的运动学方程中存在的问题，提出了改进措施。结合遥操作机器人仿真系统进行计算机仿真，结果表明了改进措施的正确性。     

基于BP网络的尾焦收集机器人运动学逆解算法分析

利用改进的BP神经网络算法对尾焦收集机器人运动学逆解进行探讨,建立了尾焦收集机器人的运动学逆解的BP网络模型,进行了10输入、4输出和1个隐含层的BP网络训练,并用训练好的网络来求解运动学逆问题,取得了较好的效果,为机器人运动学逆问题算法提供了新的思路.     

基于神经网络的双足机器人逆运动学求解

运动学求解是双足机器人步态规划的基础。针对HIT—Ⅲ双足机器人实体，利用BP神经网络，求解了双足步行机器人逆运动学问题。为了满足机器人在线实时控制的要求及进一步提高运算精度，提出用迭代计算进行误差补偿的方法。计算结果表明，该法迭代次数少，计算精度高。     

水轮机修复专用机器人逆运动学求解

在用Pro／E软件建立水轮机修复专用机器人的本体模型的基础上，利用BP神经网络与误差补偿相结合的方法，求解了水轮机修复专用机器人逆运动学问题，计算结果表明，该法迭代次数少，计算精度高，满足机器人实施控制要求。     

HNC-IR机器人运动学方程的研究及求逆的新方法

在对ＨＮＣ－ＩＲ机器人进行结构分析的基础上,建立了机器人运动学模型,提出了一种析的机器人逆运动学的求解方法,与传统方法相比,此方法大大减少了计算运动方程正逆解的计算量。这时还结合具体机构,对一次逆解过程中解方程没有封闭解情况,运用多重计算的方法作了处理,取得了很好的效果。     

自动铺丝束机器人逆运动学问题的解析法

利用自动铺丝束机器人的齐次坐标变换矩阵，求出其逆运动学问题的解析解，并利用Matlab进行仿真验算。与其它方法相比，该方法简单明了，计算速度快，对自动铺丝束机器人的运动规划具有实用价值。     

一种求两足机器人运动学逆解的解析方法

在两足机器人的上身建立基坐标系,给出了一种解析方法,并用这种方法进行步态规划,通过仿真实验验证了该方法的正确性。同时没有把运动分解到横向面和纵向面以简化计算,而是一种完全3维的运动学分析方法,可以处理机器人任意复杂的下肢运动。该方法适用于目前常见的两足机器人自由度布置方式,因此具有一定的通用性。     

改进代数算法神经网络在机器人逆运动学中的应用

用多层前向INI神经网络建立机器人逆运动学模型.采用一种改进代数算法来学习神经网络待求权和自由权,该算法选.择很广一类的隐层神经元函数训练网络,将复杂的非线性优化问题转化为简单的代数方程组求解问题,求解速度快;在网络训练之前就可以根据给定的问题确定隐层神经元个数,可以方便地求得全局最优点,实现样本空间的精确映射,不存在局部极小、收敛速度慢等问题.提出的求解机器人逆运动学新算法可以得到高精度的解,有仿真结果为证.     

基于神经网络的冗余机械臂运动学逆解研究

针对冗余自由度机械臂逆运动学求解的难题,提出了一种基于RBF神经网络的新方法。针对一款新型的七轴冗余机械臂,建立了机械臂的正运动学方程,提出了一种基于加权最小二乘法的"最佳柔顺性"规则,基于此规则运用遗传算法求解了全局最优解,由此得到了训练神经网络的样本数据,对神经网络进行了训练,使网络达到了稳定状态。设计了仿真和实验对RBF神经网络进行了测试,分析了神经网络的性能。研究结果表明,该RBF神经网络精度高、收敛速度快,从而为任意冗余机械臂逆解求解提供了一种新方法。     

基于BP网络判据的工业机器人运动学逆解

以MOTOMAN UP20型六自由度机器人为例,建立了工业机器人的MDH模型。在此基础上提出了一种解决工业机器人运动学逆解中存在多解的问题的方法：利用BP网络算法所得的结果作为判据,进行机器人运动学逆解的自动选择,得出运动学逆解问题的唯一解,以实现从机器人工作空间到关节空间的非线性映射。     

RBF网络在PUMA560机器人运动学逆解中的应用

介绍了RBF网络及RBF网络基函数中心选取的重要性,将进化优选算法用于网络中心的选取.并利用D-H方法对PUMA560机器人进行研究,将正运动学推导结果作为训练样本.采用6个相同的12输入、单输出的RBF网络,实现PUMA560机器人运动学逆解计算,利用该方法大大减少了传统方法中的公式推导.计算结果表明,用RBF网络解决机器人运动学逆解问题精度高,收敛速度快.