[发明专利]一种基于示教学习的机器人逆运动学求解方法

摘要

本发明属于机器人运动学求解领域，并具体公开了一种基于示教学习的机器人逆运动学求解方法，包括如下步骤：采集N组机器人的关节角度及末端执行器的笛卡尔位置和欧拉角，获得数据集f；对数据集f进行优化获得数据集f1；对数据集f1迭代求解出高斯模型个数2～50的高斯混合模型参数；计算各高斯混合模型对应的贝叶斯信息准则值，绘制贝叶斯信息准则曲线，根据曲线确定高斯个数k；求解高斯模型个数为k的高斯混合模型的参数；利用模型参数对数据集f1的笛卡尔位置和欧拉角进行高斯回归处理求解逆运动学关节角度值；对比关节角度值与数据集f1中的关节角度值，修正高斯模型个数得到期望的求解精度。本发明具有计算速度快，适用性强，实时控制效果好等优点。

主权项

1.一种基于示教学习的机器人逆运动学求解方法，其特征在于，该方法包括如下步骤：(a)采集N组机器人的关节角度θ以及机器人末端执行器的笛卡尔位置P和欧拉角R，获得数据集f＝{θ(i),P(i),R(i),i＝1,2,...,N}；(b)对数据集f进行优化处理，获得具有逆运动学映射的数据集f1＝{θ(j),P(j),R(j),j＝1,2,...,n(n＜N)}；(c)对数据集f1进行迭代求解，分别求解出高斯模型个数m为2～50的高斯混合模型的参数；(d)分别计算高斯模型个数m为2～50的高斯混合模型所对应的贝叶斯信息准则值BIC，并绘制贝叶斯信息准则曲线，根据贝叶斯信息准则曲线确定贝叶斯信息准则曲线下降速度最缓处对应的高斯个数k；(e)重新对数据集f1进行迭代求解，以求解高斯模型个数为k的高斯混合模型的参数(π,μ,Σ)；(f)利用高斯混合模型的参数(π,μ,Σ)对数据集f1中的笛卡尔位置P(j)和欧拉角R(j)进行高斯回归处理，以求解逆运动学关节角度值θ*(j)；(g)对比逆运动学关节角度值θ*(j)与数据集f1中的关节角度值θ(j)，判断是否满足逆运动学求解精度要求，若否，则修正高斯模型个数为k+1并返回步骤(e)，若是，则θ*(j)即为所需的逆运动学关节角度值；以此方式完成机器人的逆运动学求解。