广东工业大学自动化学院 王书易 王钦若 刘尚武

基于D-FNN的6R工业机器人逆解算法的研究

广东工业大学自动化学院 王书易 王钦若 刘尚武

机器人逆解是机器人运动学研究的关键。本文根据针对6R工业机器人采用了一种基于D-FNN的逆解算法，该算法是以神经网络逼近机器人非线性方程组的思想进行6R机器人逆解的求解。实验中根据机器人正解的方法求取机器人的位姿，并以此为样本进行训练；在仿真验证时，再次采用获取样本的方法得到位姿以及每个关节转动角，以此位姿为已知输入到网络中，获取结果进行比较从而验证了该方法的正确性。

6R工业机器人；逆解；D-NFF神经网络

一、引言

6R工业机器人是典型的机电一体化产品， 其运动学模型是一个多输入多输出的系统，对该模型求逆解其实质是求解多项式方程组，但这些方程组大多是非线性高维方程组，其求解过程十分复杂。传统的6R逆解求运算量大[1]，求解出的逆解有时会达到16组之多，且只有当满足Pieper准则时，其逆运动学方程具有封闭解。近年来，不少学者运用神经网络进行机器人逆解求解工作，文献[2]运用BP神经网络对3R机器人逆运动学进行求解，且进行了路径规划的仿真。Zhang与Karlik等分别采RBF和BP 神经网络对6R工业机器人逆运动学的求解进行了研究[3]。

至此，不难看出对6R工业机器人的逆运动学的求解的各个方法而言，传统方法、几何法、数值迭代法等都具有运算复杂求解困难等局限性。本文基于动态模糊神经网络提出一种求解6R机器人逆运动学方程的方法。……