张毅，刘芳君，胡磊

（重庆邮电大学 重庆市信息无障碍与服务机器人工程技术研究中心，重庆 400065）

机器人逆运动学求解就是已知机器人末端位姿参数来计算各个关节角度值的过程[1]。其常用的方法包括封闭解法和数值解法，但这2种方法均不具备通用性且求解精度无法保证[2-3]。遗传算法是根据生物进化现象演化而来的一种智能算法，搜索能力强，能够实现全局收敛[4-5]。近年来，一些研究人员将其应用到机器人的逆运动学求解中，并取得了一定的成果。林明等[6]提出了一种改进的遗传算法，采用自适应的交叉和变异算子，改进了排序方法，并在求解过程中使用了罚函数，对多解问题进行了优化，改善了收敛速度和收敛精度。Ayyildiz等[7]采用遗传算法与其他4种不同的启发式优化算法在4R机械臂上求逆运动学解进行对比，并通过2种不同的场景来测试机器人末端执行器的运动，结果表明遗传算法可以有效地降低末端执行器的误差。Starke等[8]提出了把遗传算法和粒子群优化算法的优点进行混合，找到全姿态目标的解，结合共同的约束条件，设计一个多目标适应度函数，利用局部极值获得精确的解。然而遗传算法对非线性问题的解决并不理想，求解精度无法得到保证。

RBFNN是一种高效的前馈式神经网络[9-10]，具有较好的非线性拟合能力，能够很好地逼近任意复杂的非线性系统，处理多输入多输出问题。故Zubizarreta等[11]提出了使用人工神经网络对3PRS机器人实时逆运动学问题进行计算，并实现其实时性能。……