论文部分内容阅读
机器人是当代科学技术的产物,是高新技术的代表。从20世纪60年代开始,伴随着微型计算机技术的发展,机器人科学与技术得到了迅猛的发展。30多年来,机器人的机械手一直是集中研究的主题。
本文以六自由度机械手为研究对象,对机械手运动学正解和逆解进行了研究。主要研究内容如下:首先,建立了六自由度机械手的运动学模型,并根据机械手各关节运动参数,对机械手位置和姿态的正运动学方程进行求解。另外,在给定相关的位置和姿态参数的情况下,对机械手各关节运动参数的逆运动学方程进行求解。六自由度机械手的位置逆解问题一直是机器人学研究领域的难点和热点之一。从逆解算法中得到的输入输出方程具有很大的理论研究价值,可以在此基础上进行诸多机构学问题的研究;另外,运动学逆解也是机械手进行运动规划和轨迹控制的关键。
其次,本文利用神经网络具有逼近任意非线性系统的能力,研究了典型的BP神经网络在机械手逆运动学问题中的应用。前馈型神经网络中最典型的网络是BP神经网络,但是,它采用标准的BP算法时,存在着收敛速度慢、易陷入局部极小的缺陷。本文采用了增加动量项的方法对标准的BP算法进行改进。
最后,建立BP神经网络,并对BP神经网络进行训练。利用BP神经网络建立了六自由度机械手逆运动学模型。利用Matlab对六自由度机械手逆运动模型进行了仿真。仿真结果表明,BP神经网络学习精度高,且具有较好的网络泛化能力。
本文以六自由度机械手为研究对象,对机械手运动学正解和逆解进行了研究。主要研究内容如下:首先,建立了六自由度机械手的运动学模型,并根据机械手各关节运动参数,对机械手位置和姿态的正运动学方程进行求解。另外,在给定相关的位置和姿态参数的情况下,对机械手各关节运动参数的逆运动学方程进行求解。六自由度机械手的位置逆解问题一直是机器人学研究领域的难点和热点之一。从逆解算法中得到的输入输出方程具有很大的理论研究价值,可以在此基础上进行诸多机构学问题的研究;另外,运动学逆解也是机械手进行运动规划和轨迹控制的关键。
其次,本文利用神经网络具有逼近任意非线性系统的能力,研究了典型的BP神经网络在机械手逆运动学问题中的应用。前馈型神经网络中最典型的网络是BP神经网络,但是,它采用标准的BP算法时,存在着收敛速度慢、易陷入局部极小的缺陷。本文采用了增加动量项的方法对标准的BP算法进行改进。
最后,建立BP神经网络,并对BP神经网络进行训练。利用BP神经网络建立了六自由度机械手逆运动学模型。利用Matlab对六自由度机械手逆运动模型进行了仿真。仿真结果表明,BP神经网络学习精度高,且具有较好的网络泛化能力。