[发明专利]一种机械手运动学逆解方法及系统

权利要求书

1.一种机械手运动学逆解方法，其特征在于，包括：

获取机械手的末端位姿参数，利用径向基函数神经网络算法的数学模型和所述末端位姿参数，计算出机械手的运动参数；

其中，所述数学模型的训练过程包括：

在历史末端位姿参数域中随机生成N个数据点，并在N个数据点中选择2k个初始中心点；其中，每个初始中心点对应一个区域，每个区域内包括2Nk个数据点，N和k均为正整数；

对每个初始中心点均进行迭代更新，得到更新后的2k个拟中心点；

将2k个拟中心点中两两最近的拟中心点进行二次均值化处理，得到k个中心点，并得到每个中心点的中心值向量；

利用预设的两两中心点之间的直线距离和中心点个数k，计算出基宽向量；

利用中心值向量、所述基宽向量和预设的高斯函数，求出代价函数对中心点的权值的偏导；

利用代价函数对中心点的权值的偏导，通过梯度下降法，计算出中心点的权值；

其中，对每个初始中心点均进行迭代更新的过程，包括：选择初始中心点区域内距离目标输出最近的数据点作为新的初始中心点。

2.根据权利要求1所述的机械手运动学逆解方法，其特征在于，所述历史末端位姿参数域为利用预设机械手的杆件参数和关节变量值，通过正运动学计算出的末端位姿参数得到的。

3.根据权利要求1所述的机械手运动学逆解方法，其特征在于，所述利用预设的两两中心点之间的直线距离和中心点个数k，计算出基宽向量的过程，包括：

利用预设的两两中心点之间的直线距离和中心点个数k，通过基宽向量计算公式，计算出所述基宽向量；其中

所述基宽向量计算公式为：

式中，D为两两中心点之间的直线距离，k为中心点个数，b为所述基宽向量。

4.根据权利要求1所述的机械手运动学逆解方法，其特征在于，所述利用中心值向量、所述基宽向量和预设的高斯函数，求出代价函数对中心点的权值的偏导的过程，包括：

利用中心值向量、所述基宽向量和预设的高斯函数，通过权值偏导公式，求出代价函数对中心点的权值的偏导；其中，

所述权值偏导公式为：

式中，J为代价函数，w_k为第k个中心点的权值，X为输入，即，末端位姿参数，C_k为第k个中心点的中心值向量。

5.根据权利要求1所述的机械手运动学逆解方法，其特征在于，所述利用代价函数对中心点的权值的偏导，通过梯度下降法，计算出中心点的权值的过程包括：

利用代价函数对中心点的权值的偏导，通过梯度下降公式，进行迭代，计算出中心点的权值；其中，

所述梯度下降公式为：

式中，w(g+1)为第g+1次迭代后的中心点的权值，w(g)为第g次迭代后的中心点权值，α为学习速率。

6.一种机械手运动学逆解系统，其特征在于，包括：

参数获取模块，用于获取机械手的末端位姿参数；

参数计算模块，用于利用径向基函数神经网络算法的数学模型和所述末端位姿参数，计算出机械手的运动参数；

其中，所述参数计算模块包括：

中心点预设单元，用于在历史末端位姿参数域中随机生成N个数据点，并在N个数据点中选择2k个初始中心点；其中，每个初始中心点对应一个区域，每个区域内包括N/2k个数据点，N和k均为正整数；

中心点迭代单元，用于对每个初始中心点均进行迭代更新，得到更新后的2k个拟中心点；

均值化单元，用于将2k个拟中心点中两两最近的拟中心点进行二次均值化处理，得到k个中心点，并得到每个中心点的中心值向量；

基宽计算单元，用于利用预设的两两中心点之间的直线距离和中心点个数k，计算出基宽向量；

偏导计算单元，用于利用中心值向量、所述基宽向量和预设的高斯函数，求出代价函数对中心点的权值的偏导；

权值计算单元，用于利用代价函数对中心点的权值的偏导，通过梯度下降法，计算出中心点的权值；

其中，对每个初始中心点均进行迭代更新的过程，包括：选择初始中心点区域内距离目标输出最近的数据点作为新的初始中心点。