基于BP神经网络的机械臂视觉伺服控制

摘要

针对机械臂视觉伺服系统中求解雅可比矩阵计算复杂导致控制实时性差的问题,利用神经网络来辨识机械臂末端执行器位置与各关节角度之间的关系以得到控制器模型,并在保证控制性能和精度的情况下,将神经网络控制器分为全局与局部两部分,通过切换控制器进一步提高伺服控制精度,同时降低神经网络训练成本。在NAO机器人平台对该方法进行实验,在实验环境中利用视觉对目标进行定位并通过神经网络控制完成抓取,从实验结果和与BP(Back Propagation)神经网络的对比实验证明该方法有效地提高了控制精度。