[发明专利]一种基于BP神经网络的灵巧手规划方法

说明书

本发明提供了一种仿人灵巧手的规划方法，包括以下步骤：步骤S1，BP神经网络训练，通过对网络权值的修正与阈值的修正，使误差函数沿梯度方向下降；所述BP神经网络的输入是抓取目标的仿射不变矩，输出为与抓取手势相对应的抓取目标种类；步骤S2，识别未知模式，通过训练好的BP神经网络判断出相对应的抓取方式并给出仿人手各关节角度。本发明的方法能够满足机器人针对不同类型、尺寸的工具的抓取与操作需求。

技术领域

本发明涉及一种多自由度仿人灵巧手操作方式规划方法，特别是在抓取过程中能够适应不同抓取目标的操作规划，属于机器人系统技术领域。

背景技术

机器人作为20世纪人类最伟大的发明之一，经过长期的发展，应用在众多领域，尤其是危险领域，包括空间、水中和地下资源开采等，代替或协助人类的工作。面对复杂的劳动工具，机器人需要一双灵巧的手来完成各种各样的任务。

近几十年国内外涌现出一大批集成了最先进科技的机械灵巧手，这些机械灵巧手有些已经成功应用在军事和太空领域，甚至有部分机械灵巧手率先迈入行业市场和义肢领域。这些灵巧手或是理论精湛或是简单灵活或是复杂多变。

Aaron M.Dollar and Robert D.Howe在2010年提出了一种非常简单的机械手设计概念，虽然这个机械手无法完成精细的操作，但是这种设计理念能够使得机械手对抓取的目标表现出极高的适应性。德国宇航局研制出了仿人手DLR Hand Arm System，这种手的灵活性非常高，但由此带来了38个电机和复杂的运动学负担。NASA所研发的机器人宇航员Robonaut 2拥有一双12个自由度的机械手。Shadow公司于2004年开始研发的五指仿人灵巧手，外形上接近人手，总计24个关节。仿人灵巧手机构复杂，自由度多，在完成抓取或操作过程中，对各关节进行规划是一个难点。

发明内容

本发明的目的在于提供一种基于BP神经网络的规划方法，能够使仿人灵巧手像人手一样使用种类繁多的工具，完成操作任务。。

本发明的技术方案如下。

一种仿人灵巧手的规划方法，包括以下步骤：

步骤S1，BP神经网络训练，通过对网络权值的修正与阈值的修正，使误差函数沿梯度方向下降；所述BP神经网络的输入是抓取目标的仿射不变矩，输出为与抓取手势相对应的抓取目标种类；

步骤S2，识别未知模式，通过训练好的BP神经网络判断出相对应的抓取方式并给出仿人手各关节角度。

优选地，所述BP神经网络包括输入层、隐含层、输出层。

优选地，所述隐含层的变换函数为非线性函数。

优选地，所述非线性函数为S型函数或双曲线正切函数。

优选地，所述输出层的变换函数为非线性的或线性的。

优选地，通过对图像进行特征提取，得到不变距特征；分别将这些特征输入网络，实行样本采样训练，然后实行样本完整训练；所述BP网络的输出为属于各类物体的隶属度，其输出值最大的输出节点对应一个输出的具体物体类别，得到识别结果。

优选地，所述BP神经网络的输入包括工具类型t、该工具平面内的最小包络圆半径R，以及工具开合状态b。

优选地，所述BP神经网络的输出定义为仿人手指尖末端相对手腕的位置，仿人手指各关节角度通过逆运动学计算求解得到。

优选地，所述输入层与所述隐含层之间的传输函数为log-sigmoid函数，所述隐含层与所述输出层之间的传输函数为线性函数，f(x)＝x。

优选地，在迭代过程中，根据误差函数的变化采用变步长法对BP神经网络的学习率η进行调整：