微分进化优化神经网络KUKA机器人逆运动学求解

2017-06-05白文峰刘纪阳雷宇欣

长春工业大学学报 2017年2期

白文峰, 刘纪阳, 雷宇欣

(长春工业大学电气与电子工程学院，吉林长春 130012)

微分进化优化神经网络KUKA机器人逆运动学求解

白文峰, 刘纪阳, 雷宇欣

(长春工业大学电气与电子工程学院，吉林长春 130012)

结合KUKA机器人的正运动学分析，将正运动学求解的结果作为DE-BP优化网络的训练样本，求解了机器人逆运动学问题。

机器人；微分进化；神经网络；逆运动学求解

0 引言

机械臂运动学研究的是机械臂的运动规律,而非机械臂动作的力和力矩。主要研究内容包括：正运动学求解问题和逆运动学求解问题[1]。机器人运动学正问题，就是根据给定的各关节角度求解出机器人末端执行器在工作空间上的位姿。机器人运动学逆问题是依据机器人末端执行器(手端)在工作空间上的位姿求得各对应关节变量的过程。目前，求解逆运动学的主要方法有：解析法、几何法、迭代法、几何-解析法、符号及数值法[2]。然而，实际应用中不容易得到精准的机器人模型,导致上述方法存在一定不足，如多解、奇异性、收敛速度慢及计算量大等问题。文中采用的神经网络具有很强的非线性映射能力，依靠网络结构就能求得机器人的运动学逆解，而不用考虑机器人有几个自由度[3-5]。考虑到神经网络训练时存在收敛速度慢、迭代次数多等缺点，文中采用微分进化DE算法对BP网络结构参数进行优化，从而快速获得更高精度的逆解。