改进人工势场法的机械手关节空间避障规划

针对人工势场(Artificial Potential Field,APF)法对机械手进行路径规划时存在的问题,提出了关节空间APF自适应变步长和目标偏置的快速扩展随机树(Rapidly-exploring Random Tree,RRT)相结合的方法。在关节空间中进行APF法路径规划,减少逆向运动学次数和关节角突变;通过改进斥力和引力势场函数,解决APF法中碰撞和目标不可达问题;采用柯西概率分布,根据末端点与障碍物的距离来改变关节角步长;通过调节RRT算法的目标偏置值,产生合适临时目标点,从而解决APF法局部极小值问题。在APF法存在局部极小值情况下进行机械臂避障仿真,结果表明,自适应变步长路径规划能够生成平滑轨迹并能提高搜索效率,目标偏置RRT选取临时目标点后整体路径长度变短。捡拾机械手在该改进算法下能够有效实现避障拾取任务需求。

一种基于BP神经网络的压电陶瓷驱动器控制方法研究

压电陶瓷驱动器在微定位技术中得到了广泛应用,但压电陶瓷的迟滞非线性严重影响了微定位平台的定位精度。因此,为了提高微定位平台的定位精度和响应速度,提出了一种基于反向传播(back propagation,BP)神经网络的压电陶瓷驱动器迟滞非线性补偿方法,以用于进一步对微定位平台控制系统进行研究。首先,通过Prandtl-Ishlinskii(PI)模型确定了神经网络的输入和输出;其次,采集了用于训练神经网络的数据集并对神经网络进行了训练,同时得出了最佳的隐藏层神经元个数;最后,使用训练好的神经网络对压电陶瓷驱动器进行了控制效果测试。实验结果表明,使用该方法来控制压电陶瓷驱动器,可以使其输出位移与理论位移基本相同,验证了神经网络补偿压电陶瓷迟滞非线性的有效性。