针对在研究抓取机械臂运动学逆解过程中所遇到的困难,计划选择一种基于软竞争机制的ART-RBF模型。在传统RBF神经网络的基础上,自适应控制生成隐含层节点数目,将相似度软竞争使用在第一阶段的学习中。采用软竞争机制,能够将隐含层各个节点都参与到对样本的学习,节点利用率提高,同时也能够减少类间混叠处样本的误差,提高预测精度。最后,利用ADAMS对机械臂进行运动仿真,并与所得运动学正解相比较,用来验证正解方程的正确性。结果表明,该软竞争算法能够一定程度上提高预测精度,仿真结果表明了所得正解数据的准确性,为后续运动控制提供依据。