基于神经网络的机械手控制的研究

论文摘要

机器人是当代科学技术的产物,是高新技术的代表。从20世纪60年代开始,伴随着微型计算机技术的发展,机器人科学与技术得到了迅猛的发展。30多年来,机器人的机械手一直是集中研究的主题。本文以六自由度机械手为研究对象,对机械手运动学正解和逆解进行了研究。主要研究内容如下:首先,建立了六自由度机械手的运动学模型,并根据机械手各关节运动参数,对机械手位置和姿态的正运动学方程进行求解。另外,在给定相关的位置和姿态参数的情况下,对机械手各关节运动参数的逆运动学方程进行求解。六自由度机械手的位置逆解问题一直是机器人学研究领域的难点和热点之一。从逆解算法中得到的输入输出方程具有很大的理论研究价值,可以在此基础上进行诸多机构学问题的研究;另外,运动学逆解也是机械手进行运动规划和轨迹控制的关键。其次,本文利用神经网络具有逼近任意非线性系统的能力,研究了典型的BP神经网络在机械手逆运动学问题中的应用。前馈型神经网络中最典型的网络是BP神经网络,但是,它采用标准的BP算法时,存在着收敛速度慢、易陷入局部极小的缺陷。本文采用了增加动量项的方法对标准的BP算法进行改进。最后,建立BP神经网络,并对BP神经网络进行训练。利用BP神经网络建立了六自由度机械手逆运动学模型。利用Matlab对六自由度机械手逆运动模型进行了仿真。仿真结果表明,BP神经网络学习精度高,且具有较好的网络泛化能力。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.1.1 机械手控制简介
• 1.1.2 机器人学的研究领域
• 1.1.3 机械手逆运动的发展
• 1.2 本文主要的研究工作
• 第2章 机械手运动学分析与建模
• 2.1 数学基础理论
• 2.1.1 刚体位置的描述
• 2.1.2 坐标变换
• 2.1.3 算子的平移和旋转变换
• 2.2 机械手操作器运动学
• 2.2.1 连杆的描述
• 2.2.2 连杆参数
• 2.2.3 连杆变换的推导
• 2.3 机械手正运动学分析
• 2.4 机械手逆运动学分析
• 第3章 神经网络基本原理及特点
• 3.1 神经网络构成的基本原理
• 3.1.1 人工神经元模型
• 3.1.2 神经网络的基本模型结构
• 3.1.3 神经网络的学习方法
• 3.2 神经网络的一般训练过程
• 3.2.1 产生数据样本集
• 3.2.2 确定网络的类型和结构
• 3.2.3 网络的训练和测试
• 第4章 基于BP神经网络的机械手运动学逆解
• 4.1 BP神经网络
• 4.1.1 BP神经网络概述
• 4.1.2 BP网络的设计
• 4.1.3 BP网络的限制与不足
• 4.1.4 基于激励函数改进的BP算法
• 4.2 基于BP神经网络的机械手逆运动学仿真
• 4.2.1 Matlab简介
• 4.2.2 BP算法在机械手逆控制中的应用
• 结论
• 参考文献
• 致谢
• 研究生履历