[发明专利]一种基于神经网络的机械臂自适应控制方法

摘要

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。

主权项

1.一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；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；步骤5：利用所述空间的神经网识别障碍物及目标物，采用BP方法规划机械臂末端绕过障碍物到达目标物的最短路径，该路径激活所述空间的神经网相应神经元组，运用该机械臂的神经网与该空间的神经网的映射关系，将该空间的神经网激活的神经元组映射至机械臂的神经网对应的神经元组；通过计算并选取所述机械臂的神经网中总变化最小的一组神经元，计算公式如下：其中为所述机械臂相邻两个关节的电机的变化差值，分别表示其两个关节的电机的变量，…分别代表该电机1和该电机2的差值、该电机2和该电机3的差值、…、该电机n‑1和该电机n的差值，为所述电机的总变化的差值；步骤6：通过机械臂的神经网中总变化最小的一组神经元中的各电机的变量参数控制机械臂的各电机运动，实现所述机械臂以该最短路径运动。