基于EC-RBF学习算法的机械臂运动学逆解研究

摘要

针对机械臂运动控制器设计时存在的运动学逆问题求解精度以及多值性问题，采用一种利用熵聚类方法来训练RBF神经网络的算法来建立机械臂逆运动学模型。将基于熵聚类的K-means动态聚类算法应用于RBF神经网络中心值和宽度半径的学习，建立机械臂逆运动学模型。仿真结果表明，该方法在克服传统RBF神经网络学习算法的初值选择对网络性能的影响的同时，对机械臂运动学逆问题具有较好的求解精度，提高了网络训练的速度。