20097月年第7第28期机械科学耳技术MechanicalScienceandTechnologyforAerospaceEngineeringJuly2009Vol28No.7基于运动轨迹的机器人运动学逆解研究周友行，唐稳庄,张建勋(湘潭大学机械工程学院、湘潭411105)摘要：以8自由度凿岩机械臂为研究对象，提岀了一种基于运动轨迹的求解多关节冗余机器人运动学逆解方法。首先构建求解机械臂逆运动学问题的BP神经网络模型，然后采用贝叶斯方法，把机械臂各关节在运动轨迹上的转动或移动变化总和作为优化函数的另一个约束项，建立求解逆运动学的贝叶斯2BP网络模型，进行仿真试验。仿真试验证明：构造的贝叶斯2BP神经网络模型可克月艮BP网络无反馈连接，易陷于局部最少及训练次数少的缺点；该方法在求解位于连续轨迹上的多个工作点的逆运动学问题时，求解的机械臂各关节转动或移动变化平缓，而且逆运动学求解精度可满足控制要求。尖键词:贝叶斯2BP神经网络;机器人;逆运动学;运动轨迹中图分类号:TP241.3文献标识码:A文章编号:100328728(2009)0720862205AStudyoftheInverseKinematicsofaMulti2jointRedundantRobotBasedonitsMovingPathZhouYouhang,TangWenzhuang,ZhangJianxun(SchoolofMechanicalEngineering,XiangtanUniversity,Xiangtan411105)Abstract:Forstudyingtheinversekinematicsofan82DOFdrillingmbot,aBayesian2BPneuralnetworkmodelispresentedtosolvethemuki2jointredundantrobotinversekinematicsinacontinuouspath.First,aBPneuralnet2workmodelisconstructed(osolvetheproblemofrobotinversekinematics,andthentheBaysainmethodisadopledtoconstructtheoptimizationfunction,inwhichtheinfluenceofthesumrotationormovingchangesperjointisin2eluded.FinallytheBayesian2BPnetworkmodelisbuiltfordieinversekinematicsofan82EXDFdrillingrobotThesimulationshowsthattheBayesian2BPneuralnetworkmodelcanovercometheshortcomingsofaBPneuralnet2work,suchasnofeedbackormoretrainingnumbers.Rotationsormovingchangesperjointaresmoothinthemul2tipleworkingpointsoftherobotcontinuouspath,andthecalculationprecisioncanmeetwiththerequirementofrealtimecontrol.Keywords:Bayesian2BPneuralnetwork;robot;inversekinematics;movingpath周友行根据运动目标的变化而快速在线求解关节型机器人在下一个目标点的各关节姿态，是实现关节型机器人智能化的关键一环。但即使是求解一个日标点的多关节机器人逆运动学问题，由于问题本身的冗余性、多变量强耦合和本质非线性，建立通用算法相当困难W句。一般计算机器人逆运动学问题的方收稿日期:2008-05-07基金项目：湖南省自然科学基金项目(06JJ5099)资助作者简介:周友行(1971・),副教授，博士，研究方向为数字化制造、机器人,zhouyouhang@xlu.cdu.cn法按算法可分为以下儿种⑴：解析法、彳弋数法(又称反变换法)，儿何法以及数值解法，另外还有根据雅可比矩阵建立关节变量的逆解算法。这些算法都涉及矩阵逆运算和反三角函数运算，而且随着机器人关节数目斤的增加，它的几何结构也越复杂，代数法、儿何法以及解析法都无法处理，而采用数值解法,其计算量将按”的指数幕增加，程序设计复朵，计算量相当大。当前数值法的大部分研究只是集中在寻求矩阵求逆算法的简化上来降低计算量。这不能从根本上解决求逆过程中计算量随关节数目«指数次幕增加的矛盾以及复杂反三角超越函数等计算问题。近年来，由于人工神经网络具有信息分布存储、并行姐里、容错性以及自学能力等优点，尤其是基于误差反向传播算法的多层前馈网络（简称BP网络），可以任意精度逼近任意连续函数，也常用于求解给定运动轨迹上的机器人逆向运动学问题，但BP网络无反馈连接，易陷于局部极小，即使求解后也无法判断逆解的合理性也就是在运动轨迹上,机器人关节运动是否合理。笔者以8自由度凿岩机械臂为研究对象，构建一个三层BP神经网络求运动学逆解，在网络的权重参数（包括阀值）的学习训练方面，考虑机器人运动的运动轨迹，釆用贝叶斯方法，以克服BP网络求解机器人逆运动学问题的缺点。1凿岩机器人运动学逆问题笔者以凿岩机器人8...