基于残差BP神经网络的Baxter机器人逆运动学分析方法

摘要

提出1种基于残差BP(back propagation)神经网络的自适应逆运动学分析方法，围绕数据采集至实时控制的整个运动规划流程，采集140组位置和欧拉角数据，利用残差BP神经网络对Baxter机械臂进行逆运动学分析，拟合得到机械臂7个关节角度；将训练好的关节角度以话题的形式发布，通过在抓取物体的脚本中订阅该话题实现通讯；结合Rviz进行可视化展示和实物双臂协同实验，对4种物体模型分别用残差BP神经网络和普通BP神经网络进行抓取实验，验证所提方法的有效性。结果表明：所提方法的计算单点时间约8.1 ms，远小于机械臂的控制周期，可实现实时性的要求；在进行1 500次训练的情况下，残差BP神经网络模型的均方误差为0.006，相比普通BP神经网络模型，误差降低0.077，提高了模型的准确性；所提方法的抓取成功率为87.5%，比普通BP神经网络提高了22.5%，验证了本文所提方法的有效性和实用性。

关键词

残差 / BP神经网络 / 逆运动学 / 运动规划 / 双臂协同 / 机器人

基金资助

国家自然科学基金项目(62173001,62273006); 安徽省重点研发计划项目(202104a05020015); 安徽省科技重大专项(202003a05020001); 特殊服役环境的智能装备制造国际科技合作基地开放基金项目(ISTC2021KF04)