[发明专利]一种机械手运动学逆解方法及系统

说明书

技术领域

本发明涉及运动学领域，特别涉及一种机械手运动学逆解方法及系统。

背景技术

随着科技的进步，人工智能逐渐在生产中的应用越来越广，机械手逐渐被研发和使用，机械手可通过编程来完成各种预期的作业任务，在构造和性能上兼有人和机器各自的优点，尤其体现了人的智能和适应性，机械手作业的准确性和各种环境中完成作业的能力，在国民经济各领域有着广阔的发展前景。

现有技术中，生产线机械手运动学描述了其关节与组成的各刚体之间的运动关系。它包括两类问题：一类是给定机械手各关节角度,求解机械手末端执行器的位置和姿态,称为运动学正问题，正问题解单一且确定。另一类是已知终端执行器的位置和姿态,求机械手对应于这个位姿的全部关节角,称为运动学逆问题。机械手运动学逆问题中又涉及到逆解的求法，这一点是机械手路径规划和编写控制算法的基础，而其精度的保证又是实时控制的关键。通常，逆解的数量与机械手的连杆的个数、关节个数、关节杆件转动角度范围等多个方面有关系。一般说来，机械手运动学逆解的数量随着关节和连杆的参数的增多而增多。多关节机械手运动学逆解出现多个解的情况是十分常见的，而且又有存在性的制约，所以选择一种高效求解的方法在工程实验中是很有必要的。

发明内容

有鉴于此，本发明的目的在于提供一种机械手运动学逆解方法及系统，以达到快速且精确的高效求解机械手运动学逆解问题。其具体方案如下：

一种机械手运动学逆解方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

本发明还公开了一种机械手运动学逆解系统，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：