科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高Stewart并联机器人的正运动学解算精确度，文中首先建立了Stewart并联机器人的运动学模型，并提出了一种基于双级BPNN的神经网络结构，解决了位置数据和姿态数据量纲不同的问题；其次针对BPNN的阈值和权值优化初值的选择问题，提出了一种基于DBO-PSO的混合优化算法；最后为验证以上方法的效果，通过Stewart并联机器人的逆运动学构建了BPNN训练的数据集，并将提出的DBO-PSO的混合优化算法与DBO和PSO优化算法相比较，结果表明提出的基于DBO-PSO的双级BPNN具有更好的解算精度。
-
单位自动化学院; 南京工程学院
