论文部分内容阅读
利用D—H参数对MOTOMAN—UPJ型机器人建立坐标系，推导出正运动学公式。将由此得到的运动学正解作为训练样本，利用RBF神经网络的局部逼近的优点，将求解机器人运动学逆解转化为对神经网络的权值进行训练。实现了机器人从工作空间到关节空间的非线性映射。使用12输入，单输出的RBF网络，对6自由度的MOTOMAN—UPJ机器人进行了计算仿真，验证了该方法的可行性。与传统解析法相比，大大减少了求解运动方程的计算量。与BP神经网络相比，加快了收敛速度，解决了实时性差的问题。