缸明义，夏兴国，张庆丰，吴彩林

（马鞍山职业技术学院 电气工程系，安徽 马鞍山 243031）

机械手控制是工业机器人控制中很重要的一个方面。传统的机械手控制方法大多需要机械手的精确数学模型或者机械手动力学方面的知识，但很难保证机械手系统在复杂环境下的稳定性、鲁棒性和整个系统的动态性能。模糊神经网络是模糊逻辑和神经网络相结合的产物，它克服了模糊系统缺乏自学习和自适应能力以及神经网络不适于表达基于规则的知识等不足［1-4］，广泛应用于不确定性、非线性等复杂系统的控制中。这方面研究最早起源于欧美国家，近年来，很多学者提出将模糊神经网络应用于非线性建模或控制，毛润等［5］提出采用计算力矩和模糊神经网络补偿相结合的控制方法，但对于是否会影响系统快速性问题未提供量化分析；王波等［6］提出了将模糊神经网络应用于机械手轨迹跟踪，但其采用BP 算法进行在线学习，容易陷入局部收敛，使学习时间延长。

本文采用模糊神经网络来实现机械手的轨迹跟踪控制，网络学习采用粒子群优化算法和改进的BP 算法相结合的混合优化方法。粒子群优化算法作为一种新兴的基于群智能的优化算法，具有操作简单、功能强大、运算速度快等优点［7］。将粒子群优化算法用于模糊神经网络的学习，加快了网络的学习速度，提升了机械手轨迹跟踪控制的准确度。

1 机械手的动力学模型

机械手系统的动力学模型可以反映其各个关节的位置、速度和加速度之间复杂的关系。……