10.3969/j.issn.1001-3881.2006.12.024
基于RBF神经网络的MOTOMAN-UPJ型机器人运动学逆解
利用D-H参数对MOTOMAN-UPJ型机器人建立坐标系,推导出正运动学公式.将由此得到的运动学正解作为训练样本,利用RBF神经网络的局部逼近的优点,将求解机器人运动学逆解转化为对神经网络的权值进行训练.实现了机器人从工作空间到关节空间的非线性映射.使用12输入,单输出的RBF网络,对6自由度的MOTOMAN-UPJ机器人进行了计算仿真,验证了该方法的可行性.与传统解析法相比,大大减少了求解运动方程的计算量.与BP神经网络相比,加快了收敛速度,解决了实时性差的问题.
MOTOMAN-UPJ机器人、运动学逆解、RBF网络
TP242.2;TP183(自动化技术及设备)
2007-01-22(万方平台首次上网日期,不代表论文的发表时间)
共3页
72-74