机械手逆运动学求解是进行机械手控制的重要步骤之一,但由于机械手逆运动学问题本身的复杂性,建立通用算法相当困难。本文利用神经网络具有逼近任意非线性系统的能力,研究了两类典型结构的神经网络在机械手逆运动学问题中的应用。一、研究基于前馈型神经网络的机械手运动学逆解。理论上已经证明,隐层采用Sigmoid型激励函数的三层前馈神经网络可以以任意精度逼近任何连续映射。前馈型神经网络中最典型的网络是BP神经网络,但是,它采用标准的BP算法时,存在着收敛速度慢、易陷入局部极小的缺陷。本文通过分析激励函数对网络收敛速度、收敛精度的影响,提出了一种基于激励函数的改进算法。然后,以此改进算法为基础,通过合理选择激励函数的类型,并且在网络的每层采用不同的学习速率,应用于机械手的运动学逆问题求解中。仿真结果表明,此方法能够有效地求解机械手逆运动学问题,比传统BP算法的求解精度有很大的提高,取得了与采用遗传算法相近的求解精度。二、研究基于递归型神经网络的机械手运动学逆解。本文采用递归型二阶神经网络,以三杆冗余度平面机械手为研究对象,进行逆运动学问题的研究,提出了一种以机械手正向运动学方程和雅可比矩阵为基础的神经网络求解方法。根据机械手逆运动学问题的特点,设计了相应的网络结构,并推导了相应的学习算法。仿真结果表明,该神经网络能够有效求解机械手逆运动学问题,达到了较高的精度,而且求解速度较快,满足机械手实时控制的要求。