基于优化RBF神经网络的并联机器人位姿检测

摘要

并联机器人具有承载能力强、刚度大、定位精度高等优异性能,特别适用于高精度、大载荷且工作空间较小的场合,在装配生产线、飞行模拟器、卫星天线换向装置、高精度机床等很多方面均有着良好的应用前景。在并联机器人的研究中,位姿是反映并联机器人运动状态的重要参数,它对实现并联机器人的闭环实时控制、对分析末端执行器的动态特性(运动速度、超调等)等具有重要的参考价值。目前,在并联机器人系统中只能通过编码器获得伺服电动机的运动状态,无法直接获得并联机器人的实时位姿。并联机器人末端运动位姿的实时检测,影响着并联机器人末端执行器的运动控制精度,成为困扰并联机器人在实现产业化方面取得实质性突破的难题之一。因此,本文对并联机器人末端执行器位姿检测方法的研究,不仅具有较高的学术价值,而且具有较高的实际应用价值。
　　 本文首先总结分析国内外并联机器人的研究现状,介绍本课题的研究对象,并论述了本文研究的内容、目的和意义。其次,结合本课题的研究对象——6-PTRT并联机器人,从运动学角度阐述六自由度并联机器人运动学的相关理论,为并联机器人末端运动位姿的检测研究奠定基础。接着,构建了所研究并联机器人的检测与控制系统硬件平台。然后基于运动学分析,利用RBF神经网络能够任意逼近非线性函数的能力,训练给定的末端位姿及其对应的运动学逆解。针对RBF神经网络,为解决运用遗传算法(GA)优化其时存在的早熟收敛问题并增强其泛化能力,以提高并联机器人的位姿检测精度,本文提出一种交替使用遗传算法和Levenberg-Marquart(LM)算法的混合学习算法,以优化其参数,然后利用该神经网络实现对并联机器人末端位姿的实时检测,并将本文所设计方法的检测结果与仅用遗传算法优化RBF神经网络以及BP神经网络方法的检测结果进行仿真对比,以验证本文所设计方法的优越性。最后,针对并联机器人的特点,利用VC++开发工具,建立并联机器人系统交互界面,设计出实现并联机器人末端运动位姿检测的软件,实现对并联机器人末端位姿的高精度检测。仿真和试验结果表明了本文所设计的检测方法在并联机器人位姿检测中的有效性,对并联机器人末端执行器的直接闭环高精度控制具有一定参考价值。