基于神经网络的机器人运动模型辨识及其实验研究

摘要

针对机器人建模中不确定因素的影响,采用神经网络辨识机器人输入输出间的非线性关系,建立机器人的运动学模型。为了提高神经网络的辨识速度,基于Elman动态递归网络,通过增加网络输入输出的部分信息,提出一种新的动态神经网络结构——状态延迟输入动态递归神经网络(SDIDRNN),提高了网络的学习速度和稳态精度。以PowerCubeTM模块化机器人为研究对象,把根据机器人返回的关节位置信息和利用OPTOTRAK3020三维运动测量系统测得的机器人末端位置信息作为SDIDRNN的学习样本,对包含各种影响因素的机器人运动模型进行辨识,得到了满意的结果,说明了该神经网络的优越性。