典型文献
基于PSO优化LSTM神经网络的机械臂逆运动学求解研究
文献摘要：
针对机械臂逆运动学求解时使用传统解法实时性差,使用传统神经网络求解精度不高的问题,本文提出了一种利用粒子群算法(PSO)优化长短期记忆神经网络(LSTM)的逆运动学求解模型.首先建立串联式六自由度机械臂的模型进行运动学分析,获取训练数据,然后利用粒子群算法对长短期记忆网络的隐藏层神经单元数和学习率迭代寻优,参数优化后的LSTM学习机械臂末端执行器位姿与关节变量的映射关系,最后通过训练好的PSO-LSTM模型对机械臂的关节变量值进行预测得到逆运动学解.实验结果表明,模型的逆运动学求解速度维持在10 ms以内,与传统解法相比提高了数十倍,且模型的均方误差低至0.001,在提高求解速度的同时还能够保证求解精度.
文献关键词：
机械臂;逆运动学求解;粒子群算法;神经网络
中图分类号：
作者姓名：
孙燕成;陈富安
作者机构：
河南工业大学电气工程学院 郑州450001
文献出处：
引用格式：
[1]孙燕成;陈富安-.基于PSO优化LSTM神经网络的机械臂逆运动学求解研究)[J].电子测量技术,2022(13):40-45
A类：
B类：
PSO,逆运动学求解,传统解,粒子群算法,长短期记忆神经网络,解模,串联式,六自由度机械臂,行运,运动学分析,训练数据,长短期记忆网络,学习率,迭代寻优,学习机,末端执行器,位姿,映射关系,练好,变量值,ms,数十倍,均方误差
AB值：
0.239355
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
