基于遺傳算法的機器人神經(jīng)網(wǎng)絡控制系統(tǒng).pdf

1、本文以機器人(固高工業(yè)機械臂GRB-400 SCARA，以下簡稱為機械臂)為研究對象，針對其強耦合、非線性、多變量等特點，主要探討了基于神經(jīng)網(wǎng)絡的機器人運動控制問題，并在此基礎上用基本遺傳算法和一種稱作messy的改進遺傳算法對其所用的神經(jīng)網(wǎng)絡進行了結構上的優(yōu)化，從而更好地實現(xiàn)了機器人的運動控制問題。 論文在回顧了機器人技術及工業(yè)機器人的現(xiàn)狀和發(fā)展趨勢后，首先介紹了建立機器人運動學模型的常用方法：重點介紹了用齊次矩陣理論的方法建

2、立機器人的運動學模型，并用該方法建立了機械臂的運動學模型，在此基礎上進行了機械臂的逆運動學求解。接著本文研究了在機器人控制中所使用的一些傳統(tǒng)的控制方法的優(yōu)缺點，并介紹了幾種典型的用于機器人控制的智能控制方法，如神經(jīng)網(wǎng)絡控制、模糊控制；同時也介紹了一些傳統(tǒng)控制方法和智能控制方法相結合的混合控制方法。然后介紹了有關神經(jīng)網(wǎng)絡的基本理論及其特點，在此基礎上提出了神經(jīng)網(wǎng)絡控制方法。該控制方法采用了一種不同的BP網(wǎng)絡，該BP網(wǎng)絡的神經(jīng)元模型采用了一

3、種帶參數(shù)的S函數(shù)，研究表明，該函數(shù)用于神經(jīng)網(wǎng)絡時能增大網(wǎng)絡的容量，用于改進的BP網(wǎng)絡中能達到大大簡化網(wǎng)絡結構，提高網(wǎng)絡收斂速度的效果。本文用這種控制方法進行了機器人的軌跡跟蹤控制，實例仿真表明，單用神經(jīng)網(wǎng)絡方法控制時跟蹤效果不太好。事實上，用神經(jīng)網(wǎng)絡求解實際問題時，求解效果不太理想的原因多數(shù)是因為網(wǎng)絡的結構設計不合理，但是網(wǎng)絡結構的設計目前尚沒有統(tǒng)一的規(guī)則，只是根據(jù)經(jīng)驗進行設計。因此本文在此基礎上提出了兩種改進方法來優(yōu)化網(wǎng)絡的結構，一是