一种基于神经网络的5-DOF机械臂力位跟踪算法

摘要

本发明一种基于神经网络的5‑DOF机械臂力位跟踪算法，通过定义机械臂中各个关节点、连杆长度，建立连杆坐标系，通过力传感器得到末端接触力，建立末端接触力与机械臂参考坐标系之间的切换数学模型，描述了末端接触力在参考坐标系下的矩阵，为末端接触力转换为各个关节力矩提供了前提基础；然后，给出了一般的机械臂动力学方程，建立了机械臂第5关节状态变量与其他关节状态变量之间的数学模型，建立带有约束力的动力学方程；最后，利用惯性矩阵估计惯性矩阵，并利用RBF神经网络拟合其他项，给出了时变输出约束状态的神经网络自适应力位控制方法。本发明能够解决传统的力/位混合控制无法克服未知模型的影响，增加算法收敛性，降低动力学建模复杂度。