基于PSO-GA-BP神经网络的视觉伺服控制系统

摘要

传统的基于图像视觉伺服控制需要计算雅可比矩阵和解雅克比矩阵的逆,其结构复杂、计算量大且系统的实时性不够理想。基于粒子群遗传算法优化的BP(Back Propagation)神经网络(PSO-GA-BP:Particle Swarm Optimization-Genetic Algorithm-BP)通过学习图像特征空间到机器人运动空间的映射关系,实现了“眼在手上”的机器人视觉伺服控制,通过优化BP神经网络的权值和阈值,防止了其训练时间长、收敛速度慢等弊端。实验结果表明,优化后的算法运算效率较高,所设计的控制器能使机器人末端执行器在更短的时间内达到预期位置,图像特征点运动位置的实际值与期望值平均误差约为2个像素,具有良好的收敛速度和控制精度。相关结论可为机器人视觉伺服控制提供优化依据,提高算法的应用性能。