论文答辩 神经网络在关节型机器人逆运动学建模中的应用研究课件_1.ppt

神经网络在关节型机器人逆运动学建模中的应用研究 指导老师 姓 名 学 号 专 业 2.关节型机器人运动学分析与研究 4.BP神经网络在机械手逆运动学中的建 模，仿真与分析 5.结论 1.论文研究目的和意义 3.论神经网络概述 随着工业自动化的发展，实用机器人越来越多，各种自动化机械广泛的应用。利用机器人不仅可以完成大量简单重复性的工作，还可以代替人做一些复杂·繁重·危险性的工作，从而提高了效率和质量。对于工程机械机器人，机器人逆运动的研究对提高自动化控制程度具有重要的意义。现近年来阶段，机器人智能化控制和智能自动化的程度越来越高，智能应用越来越广泛。利用BP神经网络研究机器人的逆运动，将运动问题转化为神经网络的权值就行训练，从而实现机器人由工作空间到关节空间的非线性映射。这种新的思路避免的很多问题，对机器人控制研究有很重要的意义。 1.论文研究目的和意义 2.关节型机器人运动与研究 2.1 机器人的正运动学 在机器人的操作中，主要是关于对机械手位置的控制。无论是机械手的连杆，末端还是机械手的整体都将在空间做复杂的运动，如果将这些看成是刚体，那么就需要一种描述刚体空间的位置和方向的数学方法。以二关节机械手模型为例： 机器人的运动主要可以是由平移和转动组成的。在用D-H法建立坐标系后，i-1系与i系之间的关系用坐标系的平移和旋转来实现，可以得到一般矩阵。 如上图所示：二关节平面机械手臂运用几何关系的前向运动学方程为： 式中x，y为机械手末端位置 L1、L2是2杆的长度L1=2.764m.L2=1.233m θ1、θ2是机械手连杆的转角 采用三层前向神经网络建立二关节机械手逆运动的模型。 2.2 机器人逆运动 　　机器人的运动学逆解指：给定坐标系所期望的位置，找出该位置形态的关节转角。这里不是把已知的变量带入正向运动学中，而是设法找出这些方程的逆，从而得到所需的关节变量。事实上，动学机器人的控制器就是用用这些方程来求的关节转角值，以此来达到控制机器人的目的。 　　通常情况下，机器人手臂关节连杆数量较多，在一个较大的空间里，其达到目标的路径较多，因此其解的数目也不是唯一的。对于一个6自由度全旋转的机械臂来说，其解可达到16中之多。 3.神经网络概述 基于神经元网络的智能控制系统也称作基于连接机制的智能控制系统。随着人工神经元网络(ANN)研究的进展,神经网络越来越多的应用于控制领域的各个方面。下图为一般神经元模型图： 　　神经网络由排列成层的处理单元组成，接受输入信号的单元叫输入层，接受输出信号的单元层叫输出层，不直接与输入输出发生联系的单元层叫隐层。如果输入网络一组数据，在网络输入层的每个单元都接收到输入模式的一部分；然后输入层将输入通过连接权传递给隐层。隐层接受到整个输入模神经网络的结构是由基本处理单元及其互连方法决定的。连接机制的基本处理但愿和神经生物类比往往称为神经元。 　　前馈型神经网络中最典型的是BP神经网络，它是神经网络理论中最完善、应用最为广泛的网络之一。由于有很好的逼近非线性映射的能力，BP网络可应用于信息处理、图像识别、模型辨识、系统控制等多个方面。对于控制方面的应用，其很好的逼近特性和泛化能力是一个很好的性质。但其收敛速度慢的缺点，难以满足具有适应功能的实时控制的要求。这是因为它采用的是非线性规划中的最速下降法，所以存在收敛速度慢、易陷入局部极小的缺陷。所以我们一般采用其改进型算法。一般的BP网络改进学习算法主要分成两类： 第一类是启发式信息技术的BP算法，包括添加动量项、自适应学习速率等方法，其实质都是在误差梯度变化缓慢时应增大学习率，变化剧烈时应减小学习率的基础上提出的；另一类研究是指加入数值优化技术的BP算法，包括牛顿法、共轭梯度法、Levenbe——Marquardt(LM)算法等。而其中LM算法是牛顿法的变种，具有牛顿法的二次终止特性，能够用于极小化非线性函数的平方和。 　　通过实验，我可以得到各种算法的性能的比较结论，通常对于包含数百个权值的函数逼近网络，LM算法的收敛速度最快。如果要求精度搞，该法的有点比较突出。在很多情况下，LM算法的训练函数可以获得比其他方法更小的均方误差。训练函数trainrp应用于模式识别，其速度最快，但对于函数逼近问题该算法不是最好的，旗性能同样虎随着目标误差的减小而变差。变梯度算法在网络规模较大的场合其性能是最好的，其对于空间的要求也很低。对于本次课题的机械手臂的仿真，LM算法是最好的。 神经网络的基本算法流程图如下： 对于给定的