基于人工神经网络的抓取规划

针对机器人多指手自身特点，对其所有可能具备的抓取模式进行分类，利用人工种经网络表示被抓取对象的形状、几何参数及所处姿态与抓取模式之间复杂的非线性映射关系；通过样本对人工神经网络进行训练，用训练好的人工神经网络自动生成抓取模式；讨论更为一般的力分配问题，这里手指和物体之间的接触形式可以是无摩擦的‘或接触、有摩擦的点接触及软指接触中的任何一种，并不论是否为对称抓取；为使实时抓取成为可能，考虑用BP网络和FL网络解决力分配问题，提出一种非线性规划方法，用该方法的解对BP网络和FL网络进行对比训练，发现后者能较快收敛到较小误差，仿真结果表明FL网络能实时有效规划各关节所需要的力矩。