基于BP神经网络的机械臂轨迹控制研究

王　頔，李正斌，张庭亮

（安阳工学院 电子信息与电气工程学院，河南 安阳 455000）

基于BP神经网络的机械臂轨迹控制研究

王頔，李正斌，张庭亮

（安阳工学院 电子信息与电气工程学院，河南 安阳 455000）

针对六自由度机械臂耦合性强、时变、非线性等性能，基于拉格朗日动力学建模方法，文章采用BP神经网络逼近模型，实现高精度轨迹跟踪。该方法根据六自由度机械臂本体采集的数据进行黑箱辨识建模解耦，建模过程采用BP神经网络逼近，提升建模精度、简化建模过程。针对解耦后的系统，还需建立PID闭环控制器进一步实现轨迹跟踪控制。仿真及实验结果表明，基于BP神经网络的PID控制器能够改善系统的鲁棒性和稳定性，并有效抑制抖动。

BP神经网络；六自由度机械臂；轨迹跟踪控制

六自由度机械臂是典型的多输入多输出系统，具有时变、强耦合、非线性的特性［1-2］。工业机械臂工况复杂，现场存在大量不可控干扰，采用比例积分微分（Proportion Integral Differential，PID）控制难以达到平滑控制，跟踪过程中超调较大，且易出现抖动、控制失效等问题。为了实现高精度、快速的轨迹跟踪［3-4］，采用神经网络逼近预测模型。将预测模型力矩输出作为反馈量与实际力矩比较，建立PID反馈控制回路，改善轨迹跟踪效果。神经网络具有大规模存储、结构并行等特点，具有较强的函数逼近能力和分类功能。

六自由度机械臂具有时变、强耦合、非线性等特性，精确的动力学模型难以得到，传统的PID无法实现快速、平稳跟踪［5-6］。本文将BP神经网络控制方法与传统PID结合，利用BP神经网络在线学习能力，辨识六自由度机械臂模型，从而保证获得良好的跟踪效果。……