空间3R机械手逆向运动学的多模块神经网络求解

提出用多模块神经网络的方法求解空间3R机械手的逆运动学多解。通过几何分析,将关节空间划分为多个只有唯一逆运动学解的关节子空间,每个子空间均用3个单输出的BP神经网络训练和求解。通过仿真试验并与其他方法对比,表明该方法不仅可以准确地划分逆运动学解的取值范围,还可以快速求得高精度的逆运动学多解。

几何分域的多模块神经网络求解平面3R机械手逆运动学

针对神经网络求机器人逆运动学多解时输入与输出间存在一对多的映射问题,提出一种基于几何分域的多模块神经网络求解平面3R机械手逆运动学方法。该方法通过将连杆分离-重新组合的方式进行几何分析,将平面3R机械手分为两组具有多解的子空间,同时增加末端执行器方位角的规划,使得用于两个子空间训练的BP神经网络中,输入与输出间具有唯一映射关系。用训练好的两个BP神经网络分别对同一段规划好的圆形轨迹进行预测,得到的两段预测轨迹平滑且与规划轨迹基本一致,这一结果表明,所提方法可以获得平面3R机械手高精度的逆运动学多解。

新型跌落装置3R机械手参数分析与研究

以新型跌落装置3R气动机械手为研究对象,通过分析3R机械手各个关节与连杆间的空间关系,建立相应的D-H运动模型,运用动力学分析角跌落状态3R机械手末端释放试品瞬时加速度,找出满足角跌落瞬间重力加速度的数值范围。运用牛顿-欧拉方程,设计气缸驱动力,利用ADAMS软件进行仿真建模,验证机械手运动平滑稳定状态,从而解决角跌落时由于二次碰撞所引起的试品姿态改变的困扰,为后续跌落试验分析提供了理论依据。