一种基于混合神经网络的机械手移动轨迹自动控制技术研究

摘要

针对现有机械手移动偏差控制技术存在的轨迹控制不连续、复杂度高、综合效率低等问题,以机器学习和深度学习为基础提出一种混合神经网络控制算法.分析机械手各关节、连杆的空间坐标转换关系,以RBF为基础构建混合神经网络模型,选用逆多二次函数作为模型的激活函数,分别确定中间隐层和输出层的权值;引入LSTM长短记忆算法,利用LSTM算法的输入门、遗忘门和输出门结构设计,抑制坐标数据训练时出现的梯度膨胀问题,并给出精确的轨迹修正指令.仿真结果表明:提出的混合神经网络算法采样点轨迹偏差均值为0.02 mm,VARP值趋近于0,具有更好的自动控制稳定性和更高的控制效率.