[发明专利]基于RBF神经网络的机械手运动学逆解方法在审
| 申请号： | 201710207954.3 | 申请日： | 2017-03-31 |
| 公开（公告）号： | CN106914897A | 公开（公告）日： | 2017-07-04 |
| 发明（设计）人： | 惠记庄;武琳琳;赵斌;张泽宇;程顺鹏 | 申请（专利权）人： | 长安大学 |
| 主分类号： | B25J9/16 | 分类号： | B25J9/16;G06F17/50;G06N3/08 |
| 代理公司： | 西安睿通知识产权代理事务所(特殊普通合伙)61218 | 代理人： | 惠文轩 |
| 地址： | 710064 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于机械手运动学求解领域，公开了一种基于RBF神经网络的机械手运动学逆解方法，包括获取机械手运动样本对；设置RBF神经网络的样本输入和期望输出，RBF神经网络的样本输入为机械手末端执行器的位姿，RBF神经网络的期望输出为机械手关节角度；根据RBF神经网络的样本输入和期望输出，采用正交最小二乘方法确定RBF神经网络的网络参数，得到满足误差要求的RBF神经网络的网络参数；获取机械手末端执行器的实际位姿，将实际位姿输入到满足误差要求的RBF神经网络的输入层，满足误差要求的RBF神经网络的输出层输出机械手关节角度，从而完成机械手运动学逆解；能够提高机械手轨迹规划和实时控制精度。 | ||
| 搜索关键词： | 基于 rbf 神经网络 机械手 运动学 方法 | ||
【主权项】：
一种基于RBF神经网络的机械手运动学逆解方法，其特征在于，所述方法包括如下步骤：步骤1，获取机械手运动样本对，所述机械手运动样本对由机械手末端执行器的位姿和机械手关节角度组成；步骤2，设置所述RBF神经网络的样本输入和期望输出，所述RBF神经网络的样本输入为所述机械手末端执行器的位姿，所述RBF神经网络的期望输出为所述机械手关节角度；步骤3，根据所述RBF神经网络的样本输入和期望输出，采用正交最小二乘方法确定所述RBF神经网络的网络参数，得到满足误差要求的RBF神经网络的网络参数，所述RBF神经网络的网络参数包含高斯基函数的中心矢量和基宽向量，以及网络输出权值；步骤4，获取机械手末端执行器的实际位姿，将所述实际位姿输入到所述满足误差要求的RBF神经网络的输入层，所述满足误差要求的RBF神经网络的输出层输出机械手关节角度，从而完成机械手运动学逆解。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长安大学，未经长安大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710207954.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种自动磨抛物线中高曲线的外圆磨床
- 下一篇：一种玻璃面板磨边的装置
