论文部分内容阅读
以一般形式的Stewart型并联机器人为例，由机器人的位置反解问题引出机器人运动学正解问题，在分析BP网络与径向基函数网络的特点基础上，采用基于径向基函数神经网络的算法，利用最近邻聚类方法获得径向基函数中心，求解并联机器人运动学正解问题．通过对训练样本的学习，确定神经网络权系数，能够准确地求解并联机器人的位置和姿态，算法具有运算简单，求解效果好等特点．同Newton—Raphson算法比较，能获得相同的效果且位置和姿态误差近似恒定，而神经网络算法避免迭代初值及额定循环次数的影响．因此该方法可作为并联机构系