基于PSO-神经网络的多自由度机械手运动控制系统设计

摘要

机械手是一个动作灵活、运动惯性小的时变系统，具有简单、高效、低成本等特点， 其在各个领域被越来越广泛的运用。神经网络在解决非线性、不确定性问题上有重要作用，通过对机械手未知方位的逼近学习，实现建模和补偿的效果，进而对机械手进行控制在神经网络学习中，权值的变化是训练的重要特征之一，正常情况下学习速率较慢， 所以用 PSO粒子群算法来加速对权值的计算，进而提升整个网络的学习速度。粒子群算法通过各个粒子的合作竞争学习，优化神经网络的连接权值，来提高神经网络的学习性能。