结合MPGA-RBFNN的一般机器人逆运动学求解

针对一般机器人逆运动学求解过程中存在的求解速度慢、精度低的问题,将多种群遗传算法(multiple population genetic algorithm,MPGA)引入径向基函数神经网络(radial basis functions neural network,RBFNN),提出一种适用于一般机器人的高精度MPGA-RBFNN算法。该算法采用3层结构的RBFNN进行一般机器人逆运动学求解,结合一般机器人的正运动学模型,采用MPGA优化RBFNN的网络结构和连接权值的方法,同时应用混合编码和演化的方式,实现了从机器人工作空间位姿到关节角度的非线性映射,从而避免了复杂的公式推导并提高了求解速度。采用6R一般机器人作为实验平台进行实验,实验结果表明:MPGA-RBFNN算法不仅提高了一般机器人在逆运动学中的求解速度,而且MPGA-RBFNN算法的训练成功率和逆解的计算准确率也得到了提高。