[發明專利]基于神經網絡和構型編碼的機械臂逆運動學求解方法

有效

• 申請號: 202110037437.2
• 申請日: 2021-01-12
• 公開（公告）號: CN112765879B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 胡瑞軍;張育林
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/17;G06N3/04;G06N3/08
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 席小東

本發明提供一種基于神經網絡和構型編碼的機械臂逆運動學求解方法，包括：坐標系與運動學參數定義；機械臂構型編碼參數定義；正向運動學構建；逆運動學求解神經網絡設計；訓練樣本庫構建；神經網絡訓練與測試；逆運動學求解器的應用。(1)本發明提出一種基于前向神經網絡和構型編碼的多自由度機械臂逆運動學求解方法，較好的解決多自由度機械臂求解空間較大時的多解性對逆運動網絡訓練收斂性的干擾和局部最優的問題。(2)所設計的基于前向神經網絡和構型編碼的多自由度機械臂逆運動學求解方法對不同自由度數的情況具有較好的通用性，而不會隨情況的自由度增加而增加算法的復雜度。

技術領域

本發明屬于機器人技術領域，具體涉及一種基于神經網絡和構型編碼的機械臂逆運動學求解方法。

背景技術

多自由度機械臂在空間探測、工業生產裝配和生活服務領域應用廣泛。尤其是多自由度機械臂能夠在滿足末端操作位置姿態約束的情況下實現障礙規避。

機械臂逆運動學求解是多自由度機械臂動作規劃、控制和執行的基礎。傳統的空間多自由度機械臂逆運動學求解方法包括代數法、幾何法等。但是隨著機械臂自由度增多，求解方法變的非線性強，同時存在多解性，因此，求解復雜，多數呈現指數增大。人工神經網絡具有強大的非線性擬合能力，基于BP神經網絡的機械臂逆運動學求解方法通過采樣訓練建立操作空間位置到機器人關節角度的映射關系，相比于傳統的代數法和解析法更加簡單高效。

但是，逆運動多解性會造成網絡訓練收斂速度慢或局部最優的問題，通常需要對機械臂的操作空間劃分為較小的區間，進而在每個區間訓練獨立的神經網絡逆運動學求解器，這種思路需要對機器人的操作空間進行精確劃分和分析，同時其對于計算能力和內存要求較高，應用不方便。

發明內容

針對現有技術存在的缺陷，本發明提供一種基于神經網絡和構型編碼的機械臂逆運動學求解方法，可有效解決上述問題。

本發明采用的技術方案如下：

本發明提供一種基于神經網絡和構型編碼的機械臂逆運動學求解方法，包括以下步驟：

步驟1，坐標系與運動學參數定義：

步驟1.1，對于被研究的多自由度機械臂，其結構如下：

假設其自由度數為N，N＞2，從多自由度機械臂的基座向機械臂末端，共有N個關節，各關節依次編號為關節1～N；從多自由度機械臂的基座向機械臂末端，共有N個連桿，各連桿依次編號為連桿1～N；

對于關節n，n∈[1,N]，當n＝1時，關節n通過連桿n與關節n+1相連；當n＝2,3,...,N-1時，關節n的一端通過連桿n-1與關節n-1相連，關節n的另一端通過連桿n與關節n+1相連；當n＝N時，關節n的一端通過連桿n-1與關節n-1相連，關節n的另一端通過連桿n與機械臂末端相連；

該多自由度機械臂，關節2～N的關節轉軸互相平行，并且與關節1的關節轉軸保持垂直；當n＝2,3,...,N時，連桿n-1與連桿n的延長線與關節n的關節轉軸相交于一點；

步驟1.2，坐標系定義如下：

以關節1的關節轉軸和連桿1的交點為原點O，沿關節1的關節轉軸方向為Z軸，當關節1轉角為0時，沿連桿1并指向離開關節1的方向為X軸，按照右手法則確定Y軸，從而建立XYZ坐標系；

步驟1.3，變量定義如下：

在XYZ坐標系中，機械臂末端的位置坐標為(x,y,z)^T；

對于連桿n，n∈[1,N]，定義連桿n的長度為l_n；