基于GRNN的并聯(lián)機器人運動位姿檢測.pdf

1、與串聯(lián)機器人相比，并聯(lián)機器人具有剛度大，精度高，承載能力強及響應速度快等優(yōu)點，在數控加工、醫(yī)療衛(wèi)生、航空航天等領域均具有良好的應用前景，目前已成為機器人領域的研究熱點之一。并聯(lián)機器人末端執(zhí)行器位姿是反映并聯(lián)機器人運動狀態(tài)和系統(tǒng)性能的重要參數，實現其末端位姿實時檢測是進一步實現并聯(lián)機器人末端位姿全閉環(huán)高精度控制的基礎。目前，在實際并聯(lián)機器人系統(tǒng)中主要通過編碼器獲得伺服電動機的運動狀態(tài)，難以直接實時獲取其末端位姿。實時獲取多自由度并聯(lián)機器人

2、高精度的位姿檢測信息是并聯(lián)機器人研究中一個亟待解決的難題?；诖?，本文選取了6-PTRT型并聯(lián)機器人作為研究對象，通過對其進行運動學分析，并利用神經網絡，展開了對并聯(lián)機器人末端位姿實時檢測問題的研究。
　　 本文首先總結了并聯(lián)機器人特點，分別從發(fā)展歷史、應用領域、研究現狀及未來展望等方面，簡單分析了并聯(lián)機器人。在分析6-PTRT型并聯(lián)機器人并聯(lián)機構特點及其運動控制系統(tǒng)試驗平臺基礎上，針對6-PTRT型并聯(lián)機器人的末端運動位姿實時

3、檢測問題，首先對并聯(lián)機器人進行運動學分析，然后構建一種收斂快、非線性映射能力強的廣義回歸神經網絡(GRNN)，將并聯(lián)機器人末端運動期望位姿及其位姿逆解作為神經網絡的訓練樣本，實現并聯(lián)機器人從關節(jié)變量空間到工作變量空間的映射，最后利用訓練好的廣義回歸神經網絡和易于檢測的各主動副實際運動狀態(tài)實現并聯(lián)機器人末端運動位姿的實時檢測。并將基于GRNN的仿真結果與基于RBF和BP神經網絡的仿真結果進行比較分析。運用VC++設計并聯(lián)機器人軟件系統(tǒng)，完