科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对6R机器人逆运动学方程组求解复杂的特点,将传统运动学求解问题转换为基于RBF神经网络的预测模型求解问题,以随机采样的方式产生关节角度样本,避免繁复的样本选优过程。由于神经网络对不同关节泛化能力不同,其求解精度不同,将神经网络求得泛化能力稳定的关节角度代入代数解析式,求出泛化能力差的关节角度。运用该方法将RBF神经网络与代数法相结合,对6R机器人转角进行了求解,并与基于RBF神经网络模型直接求解6关节转角进行了比较。计算结果表明,RBF与代数法相结合能够在简化样本点选优过程的同时,提高模型的整体精度,证明了该方法的可行性和有效性。
-
单位武汉理工大学; 现代汽车零部件技术湖北省重点实验室
