基于小脑神经网络解决机械手逆运动学控制问题

由于机械手逆运动学问题的求解存在多解且非常复杂,以往解决机械手的逆运动学求解问题主要是通过神经网络逆模型来建立机械手的逆运动学模型然后通过遗传或改进的BP算法来训练神经网络的权(阀)值矩阵从而达到问题的求解,然而这种方法在建立神经网络的逆模型时要对训练数据进行限制或筛选使其成为单解问题(即满足逆映射关系存在的要求),这对于那些对数据事先进行处理很困难或根本无法进行的复杂系统是不可行,为此提出了一种采用小脑神经网络和约束条件相结合的方法来解决逆运动学问题。研究结果表明此方法可以很好的解决机械手的逆运动学控制问题,同时该方法可以推广应用到那些通过数学模型求解困难或者数学模型不确知的复杂系统反求问题。