广西师范大学学报(自然科学版) ›› 2011, Vol. 29 ›› Issue (2): 125-129.

• • 上一篇    下一篇

基于蚁群神经网络的机械手自组织逆运动规划

朱经纬1, 芮挺1, 李决龙2, 方虎生1, 张金林1   

  1. 1.解放军理工大学工程兵工程学院,江苏南京210007;
    2.海防工程技术管理室,北京100841
  • 收稿日期:2011-05-05 发布日期:2018-11-19
  • 通讯作者: 朱经纬(1975—),男,江苏盐城人,解放军理工大学讲师,博士。E-mail:zhujingwei@163.com
  • 基金资助:
    国家自然科学基金资助项目(61070108)

Self-organizing Inverse Kinematics Planning for Manipulators Based on Ant Colony Neural Network

ZHU Jing-wei1, RUI Ting1, LI Jue-long2, FANG Hu-sheng1, ZHANG Jin-lin1   

  1. 1.Engineering Institute of Engineering Corps,PLA University of Science and Technology,Nanjing Jiangsu 210007,China;
    2.Managing Office of Coast Defense Engineering Technology,Beijing 100841,China
  • Received:2011-05-05 Published:2018-11-19

摘要: 将蚁群神经网络应用于机械手的自组织逆运动规划,通过设置目标函数将神经网络的训练问题转化为在连续域内求极小值问题。在算法前期,仅需要取得运动路径的采样点集,不需要先期求解采样点的运动学逆解,算法实现了机械手的自组织逆运动规划,采用连续蚁群算法求解该连续域函数极小值问题。实验表明算法有较高的控制精度与收敛速度。

关键词: 机械手, 神经网络, 连续蚁群算法, 自组织逆运动规划

Abstract: Ant colony neural network is used to solve self-organizing inverse kinematics planning for manipulators.The neural network training problem is translated into the problem of searching the minimum value of the functionina continuous space by setting the objective function.In the early stage of the algorithm,the sample point set of the motion route is only needed to be obtained for training the neural network,and the inverse kinematics solution is not needed.The algorithm achieves self-organizing manipulator inverse kinematics planning for the neural network.The continuous ant colony algorithm is used to solve the problem of searching the minimum value for the continuous function.Experimental results show that the control algorithm has higher accuracy and convergence speed.

Key words: manipulator, neural network, continuous ant colony algorithm, self-organizing inverse kinematics planning

中图分类号: 

  • TP183
[1] 朱世强,王宣银.机器人技术及其应用[M].杭州:浙江大学出版社,2001.
[2] 王卫忠,赵杰,吕常青.基于旋量和臂形标志的机器人运动学逆解计算[J].机械与电子,2006(4):53-56.
[3] 芮挺,朱经纬,周游.多自由度机器人逆运动粒子群优化求解方法[J].系统仿真学报,2009,21(10):2930-2932.
[4] 汪木兰,徐开芸,饶华球.基于改进型BP神经网络多关节机器人逆向运动学求解[J].南京航空航天大学学报,2006,38(7):83-87.
[5] 付西光,商雨青,苏中义.基于RBF网络的冗余扫查机器人逆运动学研究[J].中国机械工程,2006,17(17):1775-1778.
[6] 盛党红,温秀兰,黄文良.基于免疫进化神经网络的机械手逆运动控制[J].中国机械工程,2007,18(2):282-285.
[7] 杨光友,刘琼.前向神经网络粒子群优化学习算法研究[J].广西师范大学学报:自然科学版,2008,26(3):151-156.
[8] 杨小雄,梁燕燕,卢远.BP神经网络在住宅区片评估中的应用[J].广西师范大学学报:自然科学版,2007,25(2):9-12.
[1] 马玲, 罗晓曙, 蒋品群. 一种基于PNN的点阵喷码字符识别方法[J]. 广西师范大学学报(自然科学版), 2020, 38(4): 32-41.
[2] 李雅岱, 韦笃取. 含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版), 2020, 38(3): 19-24.
[3] 严浩, 许洪波, 沈英汉, 程学旗. 开放式中文事件检测研究[J]. 广西师范大学学报(自然科学版), 2020, 38(2): 64-71.
[4] 刘欣, 罗晓曙, 赵书林. 基于BP神经网络的三轴增稳云台自抗扰控制[J]. 广西师范大学学报(自然科学版), 2020, 38(2): 115-120.
[5] 罗兰, 周楠, 司杰. 不确定细胞神经网络鲁棒稳定新的时滞划分法[J]. 广西师范大学学报(自然科学版), 2019, 37(4): 45-52.
[6] 范瑞,蒋品群,曾上游,夏海英,廖志贤,李鹏. 多尺度并行融合的轻量级卷积神经网络设计[J]. 广西师范大学学报(自然科学版), 2019, 37(3): 50-59.
[7] 许伦辉, 陈凯勋. 基于改进萤火虫算法优化BP神经网络的路网速度分布预测[J]. 广西师范大学学报(自然科学版), 2019, 37(2): 1-8.
[8] 张金磊, 罗玉玲, 付强. 基于门控循环单元神经网络的金融时间序列预测[J]. 广西师范大学学报(自然科学版), 2019, 37(2): 82-89.
[9] 黄丽明, 陈维政, 闫宏飞, 陈翀. 基于循环神经网络和深度学习的股票预测方法[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 13-22.
[10] 武文雅, 陈钰枫, 徐金安, 张玉洁. 基于高层语义注意力机制的中文实体关系抽取[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 32-41.
[11] 林原, 刘海峰, 林鸿飞, 许侃. 基于损失函数融合的组排序学习方法[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 62-70.
[12] 王祺, 邱家辉, 阮彤, 高大启, 高炬. 基于循环胶囊网络的临床语义关系识别研究[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 80-88.
[13] 薛洋,曾庆科,夏海英,王文涛. 基于卷积神经网络超分辨率重建的遥感图像融合[J]. 广西师范大学学报(自然科学版), 2018, 36(2): 33-41.
[14] 万雷,罗玉玲,黄星月. 脉冲神经网络硬件系统性能监测平台[J]. 广西师范大学学报(自然科学版), 2018, 36(1): 9-16.
[15] 钟海鑫, 丘森辉, 罗晓曙, 唐堂, 杨力, 赵帅. 基于附加惯性项BP神经网络的四旋翼无人机姿态控制研究[J]. 广西师范大学学报(自然科学版), 2017, 35(2): 24-31.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报(自然科学版)编辑部
地址:广西桂林市三里店育才路15号 邮编:541004
电话:0773-5857325 E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发