信息与控制

作者：周旭, 鲁墨武, 姜春英, 叶长龙, 王世超, 孙万胤

关键词：FGSPSO-BP神经网络, 机器人末端位姿误差, D-H参数法, 全梯度下降法

提出了一种全梯度标准粒子群优化反馈(FGSPSO-BP)神经网络的工业机器人末端位姿补偿模型.首先，提出一种运动学逆变换算法，通过机器人末端位姿对机器人各关节角度值进行计算，并采用Matlab验证了运动学逆变换算法的准确性.然后，提出一种基于全梯度下降法的FGSPSO-BP算法，将机器人实际末端位姿参数作为输入样本，实际位姿与理想位姿的各关节角度值之差作为输出样本，对网络进行训练，以得到机器人实际末端位姿参数与各关节角度值差的关系，采用测试样本对网络模型算法进行了验证.最后，利用新松机器人所采集的实际位姿和理想位姿数据，通过神经网络的方法，实现了对机器人各实际关节角度值的补偿，使机器人达到了理想的末端位置与姿态.实验结果表明，相对于传统的PSO-BP与YSPSO-BP神经网络，FGSPSO-BP神经网络对于机器人末端位姿误差的补偿精度更高，稳定性更好.

来源：2021年第4期

《信息与控制》期刊编辑部

查看信息与控制杂志2021年第4期