基于改进PSO-RBF的冗余机械臂逆运动学求解

张淑珍，甄晶博，李春玲，朱红光

(兰州理工大学机电工程学院，甘肃 兰州 730050)

在生产操作中，机械臂关节空间的自由度大于任务操作空间所需自由度时为冗余机械臂，如此末端操作器才能够到达空间中的任意位置，并做出满足工作需求的任意姿势[1]。机械臂的冗余特性可以使其实现力矩优化、避奇异、避障、容错等功能，因此成为当前研究的热点[2]。冗余机械臂逆解存在多解性，需要对其施加额外的约束才能进行逆解优化[3]。同时，冗余机械臂的逆运动学方程是强耦合的非线性方程组，其逆运动学求解较为困难[4-5]。而人工神经网络对非线性方程组有着很好的逼近能力，其中RBF(radial basis function，径向基函数)神经网络是应用较为广泛的神经网络[6-7]。

冗余机械臂的自运动特性可以改善其运动学与动力学性能，如避障、容错等，但是冗余机械臂的逆运动学方程组利用传统方法求解较为困难。罗小平等[8]提出了一种基于关节最佳柔顺性的优化准则，利用模糊RBF神经网络求解平面3R冗余机械臂的运动学逆解，效果较好。付西光等[9]提出了一种基于正交最小二乘法的RBF神经网络算法，对7R扫查机器人逆运动学进行了求解，速度较快，但并未充分利用其冗余性。欧群文等[10]提出了一种基于加权最小二乘法的最佳柔顺性准则，利用遗传算法求出全局最优解，将得到的样本数据作为RBF神经网络的输入，通过训练得到冗余机械臂任意位姿的逆解。

本文针对7轴串联仿人机械臂……