基于PSO-BPNN和Newton-Raphson法融合的并联机构正运动学解法
胡启国1
骆艳丽2
曹历杰3
张军1
1.重庆交通大学 机电与车辆工程学院,重庆 4000742.柳州铁道职业技术学院 装备制造学院,广西 柳州 5450003.川庆钻探工程公司 安全环保质量监督检测研究院,四川 广汉 618300
摘要：以并联机构为研究对象,针对求解正运动学时神经网络法易陷入局部最优及Newton-Raphson法对迭代初值敏感的问题,提出了一种融合PSO-BPNN(Back propagation neural network,BPNN)和Newton-Raphson法的正运动学通用求解算法.建立了并联机构逆运动学方程,得到驱动杆值,以此为训练样本,利用粒子群算法(Particle swarm optimization,PSO)优化BPNN(PSO-BPNN)模型获得位置正解,再以PSO-BPNN的正解值作为Newton-Raphson法的迭代初值对并联机构正运动学问题进行求解.为验证算法的有效性和通用性,给出了3-PCR、3-PPR两种并联机构的算例仿真.结果表明,由于迭代初值选取与目标值相差较大,导致Newton-Raphson法无法收敛;相比于PSO-BPNN算法,PSO-BPNN和Newton-Raphson法相结合得到的绝对误差最少降低了99.68％和99.96％,迭代次数更少;该方法既克服了神经网络法局部收敛性差的缺点,又避免了初值选取对Newton-Raphson法求解精度的影响,具有较好的通用性.
关键词：并联机构正运动学PSO-BPNNNewton-Raphson迭代法
资助基金：国家自然科学基金(51375519)重庆市基础科学与研究专项重点项目(cstc2015jcyjBX0133)
论文发表日期：2021-07-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 96-102,134 )
英文信息