排爆机械臂逆运动学的模拟退火神经网络算法

采用传统方法计算没有封闭解的机械臂的逆运动学运算量大、精度无法保证,对于复杂结构很难满足实时精确控制的要求;6个并行三层双隐层前馈神经网络被设计用来解决排爆机器臂的逆运动学问题,神经网络的应用受到输出误差的限制,需要减小网络输出误差;针对机械臂结构,以神经网络输出为初始值,对网络输出关节变量进行实值编码,采用分离位姿模拟退火算法对的机械臂末端位置、姿态分别进行优化;仿真结果显示,该方法有效地减小了网络输出误差,在运算结果精确性和运算速度方面满足排爆机械臂求逆运动学解的要求.     

排爆机械臂的运动学仿真

在机械臂性能优化设计的研究中,为了使排爆机械臂能够灵活、有效的处理爆炸物,需对其进行运动学仿真,针对所设计的排爆机械臂的机械结构,通过D-H方法建立相应的运动学模型,运用矩阵逆乘的方法分离变量,求得了运动学正解和逆解.用MATLAB平台中机器人工具箱编程并建立ADAMS虚拟样机,对机械臂的末端位移、速度和加速度做了运动学仿真,通过仿真验证了机构设计的合理性和仿真方法的正确性.结果为排爆机器人的结构设计和优化,为排爆机械臂的电机选择提供了依据.     

基于人工神经网络的机械臂运动学分析

随着现代科技的日新月异,智能机械臂在实际生产制造中的应用越来越广泛。为了更加清晰地观测机械臂末端运动轨迹,实现直观地看到路径规划结果的特殊功能,就需要提升逆运动学求解的速度和精度。常规的方法是使用BP神经网络进行研究,但是这种方法存在收敛速度慢、局部极小值频出等问题。就针对这些问题改进了算法,实验结果表明该改进算法在实际应用中是可行的,并且该算法不仅能够提升收敛速度,还能提高逆运动学求解的准确率,可以较好应用于机械手逆运动学求解的问题。     

基于ELM-IWO机械臂运动学逆解算法研究

为了提高机械臂控制中运动学逆解的速度和准确度,提出了一种基于入侵性杂草优化的机械臂运动学逆解方法.通过D-H法建立了工业六自由度机械臂的正向运动学模型,并利用训练速度较快的ELM(极限学习机)计算机械臂关节角度向量,即输出其逆运动学初解.利用IWO(入侵性杂草优化)算法对得到的初始逆解进行优化,取最小适应度下的杂草位置作为输出,以便得到最佳的逆运动学求解.实验结果表明,相比基于PSO-BP神经网络的求解方法,基于ELM-IWO算法的机械臂末端执行器的精度更高,实时性更好.     

基于遗传算法的机械臂逆运动学问题解决方案

提出应用遗传算法求解机械臂的逆运动学问题,将种群定义于机械臂的关节角轨迹层面,利用连续性函数实现算法的初始化算子,交叉算子和变异算子。算法仅使用表现型数据表示方式,克服了传统遗传算法在数据的基因型和表现型之间频繁地进行编码和解码操作。通过和传统遗传算法进行对比分析,验证了所提出的方法能够避免传统遗传算法求解逆运动学问题时存在的多重切换点现象,能够获得更平滑的关节角轨迹,缩短了算法的收敛时间,生成的笛卡尔轨迹具有更高的精度。     

基于改进差分进化算法的机械臂运动学逆解

以9自由度液压机械臂为研究对象,建立求解位姿逆解的非线性方程组.以末端执行器位姿误差最小为优化指标建立目标函数,将非线性方程求解问题转化为最优化问题,并应用差分进化(DE)算法求解该问题.首先,为了避免位置和姿态收敛精度的不同,引入自适应权值系数进行平衡.然后,为克服基本DE算法难以平衡全局探索能力和局部开发能力的缺陷,结合DE/rand/1/bin和DE/best/1/bin两种进化模式,改进自适应变异差分进化(SAMDE)算法,提高了算法的收敛精度和收敛速度.最后,采用对称映射法对不满足关节角边界范围的个体进行处理,提高了收敛精度.开展了与基本DE算法的对比试验,仿真结果表明,该算法的收敛精度和收敛速度优于基本差分进化算法,且能够大幅度提高算法的稳定性.     

基于免疫RBF神经网络的逆运动学求解

求解机械臂逆运动学问题可以采用神经网络来建立逆运动学模型,通过遗传算法或BP算法训练神经网络的权值从而得到问题的解,在求解精度和收敛速度上有待进一步改进。采用人工免疫原理对RBF网络训练数据集的泛化能力在线调整隐层结构,生成RBF网络隐层。当网络结构确定时,采用递推最小二乘法确定网络连接权值。由此对神经网络的网络结构和连接权进行自适应调整和学习。通过仿真可以看出,用免疫原理训练的神经网络收敛速度快,泛化能力强,可大幅提高机械臂逆运动学求解精度。     

基于三个并行BP神经网络的机器人逆运动学求解

针对传统的求逆运动学方法相当复杂,一般的神经网络收敛速度慢、精度不高的缺陷,提出一种由3个并行的BP(BackPropagation)神经网络组成的系统来解决运动学逆问题,输入数据分别通过3个并行的BP神经网络,再对输出分别求正运动学解,然后计算误差,最后选择误差最小的作为系统的输出;仿真表明,该方法可以有效地解决运动学逆问题,使用3个并行的BP神经网络可以使整个系统的误差更小,BP神经网络使用Levenberg-Marquardt训练方法,可以使学习收敛速度更快。     

基于IGAPSO算法的宏微机械臂逆运动求解

工程四自由度宏微机械臂的传统逆运动求解方法需要大量公式推导,繁琐且复杂,新出现的智能优化算法在应用上存在缺陷和不足,本文在结合原有粒子群和遗传算法的基础上,提出了改进遗传粒子群逆解算法。以2F2R机械臂为例,首先利用齐次变换法构建机械臂运动学模型,然后基于Matalab Robotics Toolbox搭建仿真模型,并训练和测试模型。测试结果表明,遗传粒子群算法有效提高了机械臂的逆解速度和关节角精度。     

高精度解耦六自由度机械臂逆运动学解法

根据6自由度机械臂正交解耦的结构特点,采用位姿分解方式,将6自由度逆运动学降为3自由度位置逆运动学、3自由度方向逆运动学;利用欧儿里德范数导出机械臂定位、定向的逆运动学解析解,使机械臂高速、准确运动.在定向控制方面,提出一种以单位四元数为目标输入的控制形式,只需计算两个角度逆解,既简化计算,又利于实际操作;利用逆运动学计算机械臂的工作空间和奇异点空间,借助移动机器人车体自由度弥补因计算以及关节长度不够引起的奇异位形,极大扩展了机械手臂的有效运动区域.     

一种基于思维进化算法的神经网络求解机器人逆运动学问题

研究了SCARA机器人的逆运动学问题,提出了一种采用思维进化算法来学习神经网络连接权值的方法。并将该算法成功地应用于求解机器人的逆运动学问题。计算机仿真表明,这种神经网络方法不仅具有较快的收敛速度,而且大大提高了求解的精度。     

An Artificial Neural Network Approach for Inverse Kinematics Computation and Singularities Prevention of Redundant Manipulators

In this article an Artificial Neural Network (ANN) approach for fast inverse kinematics computation and effective singularities prevention of redundant robot manipulators is presented. The approach is based on establishing some characterizing matrices, representing some geometrical concepts, in order to yield a simple performance index and a null space vector for singularities avoidance/prevention and safe path generation. Here, this null space vector is computed using a properly trained ANN and included in the computation of the inverse kinematics being performed also by another properly trained ANN.     

FGA优化RBF网络的机器人逆运动学求解研究

针对如何提高六自由度机器人逆运动学的求解精度问题,采用FGA对RBF神经网络的节点中心向量、基宽向量以及网络隐含层到输出层的权向量进行优化,并将其应用于六自由度机器人的逆运动学求解。以机器人工作空间的位姿矩阵作为预测网络的输入变量,以关节空间中的关节角度作为输出变量,构建机器人逆解RBF预测网络,然后选取样本对网络进行训练。最后对网络进行测试,仿真结果显示,优化后的网络预测精度高,泛化能力强。     

机械手轨迹规划的神经网络逆模控制

针对二自由度机械手动力学模型的非线性和参数的不确定性,提出了一种神经网络与逆模控制相结合的控制策略。针对传统BP算法在神经网络训练后期收敛速度慢且容易陷入局部极小的缺点,提出一种快速启发式学习算法。采用所提出的快速启发式网络学习算法训练多层前馈神经网络,建立机械手的逆动力学模型,实现对机械手的非线性控制。仿真结果表明了所提出控制策略的有效性和快速启发式网络学习算法的快速收敛性。     

仿人机器人逆运动学在线求解方法研究

针对仿人机器人逆运动学在线求解问题,从计算实时性与数值稳定性的角度展开研究。分析了仿人机器人下肢拓扑结构,建立其运动学模型与前向运动学描述,根据当前机器人逆运动学算法研究成果,将几何方法与阻尼最小二乘法相结合,并结合分段阻尼思想,提出一种仿人机器人在线逆运动学求解算法。根据运动规划结果,将所提方法与基于雅可比矩阵的广义逆方法通过仿真算例进行对比,验证了所提方法在奇异位形附近的数值稳定性和在线实施的可行性。     

基于MATLAB的模块化机器人手臂运动学算法验证及运动仿真

针对由模块化关节构成的六自由度串联机器人手臂, 采用DH法对手臂的操作空间进行了描述, 得到了正运动学模型; 采用欧拉角表示手臂姿态, 得到了包含六个参数的用于表示手臂位姿的完备广义坐标, 并对欧拉角的几何关系进行了分析。针对SolidWorks虽然实体建模简洁方便但计算并非其强项的缺点, 编写相应接口程序, 将建立的手臂三维实体模型保留几何约束关系简化后导入MATLAB软件。基于MATLAB编写正逆运动学算法验证程序以及连杆驱动程序, 实现了手臂的仿真运动。通过仿真, 不仅更进一步验证了手臂正逆运动学解算的正确性, 而且非常直观地看出手臂末端在空间中运行的路径以及各关节的动作情况。机器人手臂正逆运动学算法正确性的验证及运动仿真为手臂的精确定位及其路径规划提供了必要的保证。     

BP神经网络的算法改进及应用

文章介绍了目前人工神经网络领域中BP神经网络的特点及其算法原理,以BP网络算法的缺点为出发点,从不同方面对BP算法进行改进,从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的主要应用进行了讨论。     

基于BP神经网络的锅炉控制系统

神经网络的自学习、自适应和并行处理等特性，使得它们在现代控制系统中得到了广泛的应用。结合温度的时变、滞后和非线性的特性，提出了一种基于人工神经网络的控制算法，并经计算机仿真表明，该算法具有响应速度快、精度高和鲁棒性的特点。