基于遗传算法的机器人神经网络控制系统

本文以机器人(固高工业机械臂GRB-400 SCARA,以下简称为机械臂)为研究对象,针对其强耦合、非线性、多变量等特点,主要探讨了基于神经网络的机器人运动控制问题,并在此基础上用基本遗传算法和一种称作messy的改进遗传算法对其所用的神经网络进行了结构上的优化,从而更好地实现了机器人的运动控制问题。 论文在回顾了机器人技术及工业机器人的现状和发展趋势后,首先介绍了建立机器人运动学模型的常用方法:重点介绍了用齐次矩阵理论的方法建立机器人的运动学模型,并用该方法建立了机械臂的运动学模型,在此基础上进行了机械臂的逆运动学求解。接着本文研究了在机器人控制中所使用的一些传统的控制方法的优缺点,并介绍了几种典型的用于机器人控制的智能控制方法,如神经网络控制、模糊控制;同时也介绍了一些传统控制方法和智能控制方法相结合的混合控制方法。然后介绍了有关神经网络的基本理论及其特点,在此基础上提出