摘要：以一般形式的Stewart型并联机器人为例，由机器人的位置反解问题引出机器人运动学正解问题，在分析BP网络与径向基函数网络的特点基础上，采用基于径向基函数神经网络的算法，利用最近邻聚类方法获得径向基函数中心，求解并联机器人运动学正解问题．通过对训练样本的学习，确定神经网络权系数，能够准确地求解并联机器人的位置和姿态，算法具有运算简单，求解效果好等特点．同Newton—Raphson算法比较，能获得相同的效果且位置和姿态误差近似恒定，而神经网络算法避免迭代初值及额定循环次数的影响．因此该方法可作为并联机构系统运动学轨迹跟踪控制的运动学模型辨识器．

原文链接:http://www.cqvip.com//QK/90188A/200404/9355466.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）