基于遗传算法优化神经网络结构的机器人姿态控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111331598A(43)申请公布日2020.06.26(21)申请号202010117112.0(22)申请日2020.02.25(71)申请人杜卫锋地址314001浙江省嘉兴市南湖区嘉兴学院(72)发明人杜卫锋(74)专利代理机构重庆百润洪知识产权代理有限公司50219代理人郝艳平(51)Int.Cl.B25J9/16(2006.01)权利要求书1页说明书5页附图1页(54)发明名称基于遗传算法优化神经网络结构的机器人姿态控制方法(57)摘要本发明公开了一种基于遗传算法优化神经网络结构的机器人姿态控制方法，包括建立机器人手臂和夹持件位姿的运动学方程；确定机器人手臂和夹持件运动的轨迹参数；获取机器人手臂和夹持件的运动轨迹，对运动的轨迹点进行采样；对机器人运动学方程中无干涉轨迹点的手臂和夹持件位姿进行逆运动学求解，求出表征机器人手臂转动角度的集合、行进距离的集合、加速度集合和机器人夹持件握持力度值的集合、握持空间大小距离值的集合；获取机器人手臂和夹持件参数对应集合，基于遗传算法求出对应的机器人手臂和夹持件参数对应最优解。实现通过遗传算法优化机器人的手臂和夹持件的姿态参数，得到最优解，提高机器人姿态控制的准确性，提高加工效率。CN111331598ACN111331598A权利要求书1/1页1.一种基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，包括：S1：建立机器人手臂位姿和机器人夹持件位姿的机器人运动学方程；S2：基于加工物体形状、大小和位置确定机器人手臂运动的轨迹参数和机器人夹持件运动的轨迹参数，所述机器人手臂运动的轨迹参数包括以手臂为轴的转动角度、行进距离和加速度；所述机器人夹持件运动的轨迹参数包括夹持件的握持力度和握持空间大小距离；S3：获取机器人手臂的运动轨迹和机器人夹持件的运动轨迹，对运动的轨迹点进行采样；S4：对所述机器人运动学方程中无干涉轨迹点的手臂和夹持件位姿进行逆运动学求解，求出表征机器人手臂转动角度的集合、行进距离的集合、加速度集合和机器人夹持件握持力度值的集合、握持空间大小距离值的集合；S5：获取机器人手臂转动角度的集合、行进距离的集合、加速度集合和机器人夹持件握持力度值的集合、握持空间大小距离值的集合，基于遗传算法求出对应的机器人手臂转动角度最优解、机器人手臂行进距离最优解、机器人手臂加速度最优解、机器人夹持件握持力度最优解和机器人夹持件握持空间大小最优解。2.如权利要求1所述的基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，在所述步骤S2中，S2-1：获取加工物体图像，对加工物体图像进行预处理；S2-2：基于图像矩原理得出加工物体大小、形状和位置。3.如权利要求1所述的基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，在所述步骤S2中，S2-3：基于神经网络结构建立夹持件抓取力度运动方程，选取对应加工物体的对应抓取轨迹参数。4.如权利要求1所述的基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，在所述步骤S3中，S3-1：在所述机器人手臂的轨迹上等时间间隔选取参考点。5.如权利要求1所述的基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，在所述步骤S5中，S5-1：对机器人手臂转动角度的集合、行进距离的集合、加速度的集合和机器人夹持件握持力度值的集合、握持空间大小距离值的集合分别进行编码，分别生成对应的初代种群染色体；S5-2：分别建立机器人手臂对应转动角度、行进距离和加速度的运动关节变化量的目标函数以及机器人夹持件对应握持力度和握持空间大小距离的运动关节变化量的目标函数；S5-3：分别建立对应所述目标函数的适应度函数；S5-4：对对应的所述初代种群染色体进行遗传迭代操作，直到其子代种群染色体满足对应所述适应度函数的停止条件，将所述子代种群染色体作为目标种群染色体；S5-5：对对应所述目标种群染色体进行解码后得到对应目标逆解。2CN111331598A说明书1/5页基于遗传算法优化神经网络结构的机器人姿态控制方法技术领域[0001]本发明涉及机器人姿态控制技术领域，尤其涉及一种基于遗传算法优化神经网络结构的机器人姿态控制方法。背景技术[0002]如今工业发展迅速，传统的人工操作已被机器人代替。机器人是自动执行工作的机器装置。它既可以接收人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动。但是现在的机器人姿态控制的准确率低，容易导致加工物体损坏，降低加工效率。发明内容[0003]本发明的目的在于提供一种基于遗传算法优化神经网络结构的机器人姿态控制方法，旨在解决现在的机器人姿态控制的准确率低，容易导致加工物体损坏，降低加工效率的问题。