- 1、本文档共3页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于EC-RBF学习算法的机械臂运动学逆解研究
学兔兔
I 訇 似
基于EC—RBF学习算法的机械臂运动学逆解研究
Manipulator kinematics inverse solution study based on EC-RBF learning algorithm
张 翠,杨剑锋,张 峰
ZHANG Cui,YANG Jian-feng,ZHANG Feng
(兰州交通大学,兰州730070)
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f直性问题,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。
关键词:熵聚类;K-means算法;RBF神经网络;运动学逆解
中圈分类号:TP241.3 文献标识码:A 文章编号。1 009—01 34(201 3)07(下)一0064—02
Doi:1 0.3969/J.Issn.1009-01 34.2013.07(下).18
0 引言 .
nⅢ
机械臂运动学逆问题指给定机械臂末端执行
器的空间位姿,求解为达到该位姿而所需的关节 .
兀H
变量[1】,是正问题的反向求解过程。现有求解方法 码蚂0 0
机械臂末端执行器在基坐标系中的位置表示
主要有代数法、几何法、迭代法以及基于神经网络
的求解方法口 等。利用神经网络来进行机械臂逆 为( ,Py,P:),其姿态的欧拉参数RPY表示为:
嚣
运动学求解,以满足控制器设计中的精度要求及解 仪:atan2(ny, ) (2)
。
决多值性问题网,成为一种极为有效的途径。 =am E(一 :,,l XCOSO~+,l X sina) (3)
本文采用熵聚类学习算法来训练RBF神经网 =atan2(a XsJna—ayXCOS~,一0 X sin +OyXCOSG)(4)
O
由 此 可 得 到 机 械 臂 空 间 位 姿
络 (Entropy Clustering RBF,EC—RBF),对机械 O
O
文档评论(0)