_基于迭代学习算法的六自由度机械臂运动学求解分析

_基于迭代学习算法的六自由度机械臂运动学求解分析 本文提出拥有记忆单元的迭代学习算法，该算法以目标位姿为驱动，通过神 经网络反向传播求目标位姿与当前位姿之差的平方和对当前关节角的导数，并 通过梯度下降、线性搜索算法寻找最优关节角，执行电机命令至寻找到的关节角 并获得真实位姿，如果满足误差要求，则结束，如果不满足要求，则将刚才实践 的数据加入记忆单元并训练神经网络，继续寻找关节角。通过优化关节角和优化 网络权值这两种无缝衔接的循环的优化过程，达到迭代学习和热启动的目的；通 过使用有限的记忆单元，使神经网络使用更少的数据达到收敛，且不必记忆大量 的训练数据；对不同误差要求的任务，使用本文所提方法训练的神经网络具有更 强的适应性。 对于神经网络认为不可达的位姿，本文提出试探性学习策略算法，在不限制 尝试次数的情况下，可以１００％完成任意精度的任意目标位姿。 本文所提算法是对神经网络模拟的函数关系的反向应用。通过构建良性循 环生态，让神经网络自己去学习。该算法具有普遍适用性