基于遗传算法优化BP网络的码垛机器人逆解研究

摘要

在“中国制造2025”国家发展战略提出的大背景下，随着我国产业结构升级压力增大、人口红利减少等问题的凸显，以及对稳定品质、高附加值加工制造的需求，码垛机器人应用在越来越广泛的制造领域，已成为不可或缺的核心自动化装备。 当前对码垛机器人的研究主要包括运动学、动力学、轨迹规划和控制三个方面，其中运动学的研究是动力学、轨迹规划和控制的基础。运动学的研究主要包括运动模型的建立和运动学方程正、逆解的求解问题。其中逆解的求解直接关系到运动学分析、轨迹规划和实时控制等工作，因此逆解的求解问题是运动学研究中非常重要的课题。 本文以西安银马发展实业有限公司码垛机器人为例，分析其机构特点，利用D-H法建立数学模型，求出正、逆解的数学表达式，为后续的仿真奠定理论基础。 码垛机器人的运动学方程是一个非常复杂的非线性方程组，传统的求解方法遇到了很大的困难，而利用BP神经网络强大的非线性拟合能力，能够较好的解决逆运动学方程的求解问题。针对传统BP算法存在的搜索速度慢、精度低、容易陷入局部极小值等问题，利用遗传算法优化BP神经网络权值和阈值，仿真结果表明遗传算法优化后的BP神经网络求解精度明显改善。针对普通单种群遗传算法存在的早熟、收敛等问题，引入移民算子和人工选择算子，采用多种群遗传算法优化BP神经网络进行逆运动学求解，仿真结果表明求解精度有进一步的提高。 研究结果表明，本文提出的采用遗传算法优化BP神经网络进行机器人逆运动学求解的方法可行，仿真结果能够满足逆解要求。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1课题研究的背景及意义

1.2逆解求解的现状及存在的问题

1.3主要研究内容及创新点

2 码垛机器人运动学分析与求解

2.1引言

2.2码垛机器人简介

2.3机器人运动学D-H参数法

2.4四自由度码垛机器人运动学分析

2.5小结

3 基于BP神经网络的逆运动学求解

3.1神经网络基本原理

3.2 BP神经网络

3.3 BP网络模型的建立

3.4 仿真结果及分析

3.5 小结

4 基于遗传算法的BP网络逆运动学求解

4.1 引言

4.2 遗传算法简介

4.3 基于遗传算法的BP网络模型的建立

4.4 仿真结果及分析

4.5 小结

5 基于改进遗传算法的BP网络逆运动学求解

5.1 引言

5.2 遗传算法的优化研究

5.3 仿真结果及分析

5.4 结果对比

5.5 小结

6 总结与展望

参考文献

附录一 BP网络算法

附录二 基于普通遗传算法的BP网络算法

附录三 基于多种群遗传算法（MPGA）的BP网络算法

附录四 公用算法

攻读硕士学位期间的研究成果

致谢