[发明专利]一种基于神经网络的机械臂自适应控制方法

说明书

本发明首先以所述机械臂基座的世界坐标系为所述空间的坐标系，采用八叉树算法对所述空间建模，该空间完全覆盖该机械臂的运动空间，通过神经网络的结构特征建立基于该空间的神经网，采用D‑H法对所述机械臂建模，利用该D‑H法参数，建立基于该机械臂的神经网；其次，随机获取所述机械臂末端位置，通过一种映射方法，使所述机械臂层与所述空间层关联；再次，在所述空间范围内，基于所述空间神经网预设步长训练轨迹模型；最后，采用BP方法规划最短路径，根据所述两层神经网的映射关系，计算所述机械臂神经元的最优组合，控制机械臂以规划路径运动。

技术领域

本发明涉及机器人领域，尤其是涉及的是一种基于神经网络的机械臂自适应控制方法。

背景技术

在人类科技的发展中，机器人技术以广泛的应用范围、灵活的使用方式，以及极限环境作业能力，成为人类发展进步不可缺少的高新技术之一。在相关技术中，机械臂的运动过程中可能会出现障碍物，对于机械臂避障的主要方式依赖于机器视觉，通过摄像头采集图像，预先对障碍物进行分析识别，然后根据识别结果规划机械臂的运动路径。但是由于识别结果的精确程度不一，所规划的运动路径有益效果不稳定，导致机械臂碰到障碍物的风险大大增加。

近年来，机械臂结合传感器提高避障效率得到了较大的发展，如公开号为CN106003043A的中国发明专利，其公开了一种机械臂的避障方法及避障系统：一种避障方法，其特征在于，包括步骤：采集障碍物的图像信息，及采集机械臂与该障碍物的距离信息；分析该障碍物的图像信息及该距离信息以判断是否有新障碍物出现在改机械臂的预设范围内；若有改新障碍物出现在改机械臂的预设范围内，重新规划该机械臂的运行路径并按照重新规划的该运行路径控制该机械臂运动；若无该新障碍物出现在改机械臂的预设范围内，控制该机械臂以原来的运行路径运动。

一种机械臂的避障系统，其特征在于，包括图像采集装置、距离采集装置、处理装置及机械臂，该处理装备连接该图像采集装置、该距离采集装置及该机械臂；该图像采集装置用于采集障碍物的图像信息，该距离采集装置用于采集该机械臂与该障碍物的距离信息；该处理装置用于：分析该障碍物的图像信息及该距离信息以判断是否有新障碍物出现在该机械臂的预设范围内；若有该新障碍物出现在该机械臂的预设范围内，重新规划该机械臂的运行路径并按照重新规划的该运行路径控制该机械臂运动；若无该新障碍物出现在该机械臂的预设范围内，控制该机械臂以原来的运行路径运动。

该机械臂的避障方法及避障系统由于新障碍物出现时，需重新规划路径，并且工程中计算量及复杂度均较大，在使用过程中很难适应高效工作环境，并且系统环境复杂，容错率较低，因此对操作人员的安全性较低。

发明内容

本发明的目的在于克服上述不足，提供一种基于神经网络的机械臂自适应控制方法，用于解决机械臂避障过程中，实时响应速度缓慢、路径寻优等问题，具有实时动态响应、自适应位置变化、快速规划路径等优点。。

为实现上述目的，本发明的技术解决方案是：一种基于神经网络的机械臂自适应控制方法，包括以下步骤：

步骤1：采用八叉树算法对空间建模，所述空间完全覆盖机械臂的运动空间，通过神经网络的结构特征建立基于所述空间的神经网；

步骤2：采用D-H法对多自由度的机械臂建模，建立基于所述机械臂的神经网；

步骤3：采用一种映射方法使所述机械臂的神经网与所述空间的神经网关联；该映射方法可以用DIRECT(Direction-to-Rotation Effector Control Transform)映射模型；

步骤4：在所述空间范围内，预设该机械臂末端的运动步长，以随机方向自由训练，通过所述空间的神经网生成机械臂的末端的轨迹模型；