基于入侵性杂草优化的机械手逆向运动学求解

为了有效提高机械手控制中逆向运动学求解的速度和准确度,提出一种基于极限学习机-入侵性杂草优化的机械手逆向运动学求解方法;建立工业六自由度机械手的正向运动学模型,并利用训练较快的极限学习机计算机械手关节角度向量,即输出机械手关节逆运动学初解;利用入侵性杂草优化算法对得到的初始逆解进行优化,取最小适应度时的杂草位置作为输出,以便得到最佳的逆向运动学求解。结果表明,相比于基于粒子群优化-反向传播神经网络的求解方法,所提出方法的机械手末端执行器的精度更高,平均计算时间仅为5.68 ms,实时性更好。