基于PSO-BPNN和Newton-Raphson法融合的并联机构正运动学解法
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
1.82 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
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。相关论文
- 2021-02-13基于位置闭环的制振陷波器改进和参数整定
- 2021-01-14基于非线性PID的交叉耦合同步控制器设计
- 2021-03-10改进PSO算法优化交流伺服系统PID参数研究
- 2024-05-26基于ADAMS的自动化涡流检测系统设计
- 2021-01-12换热器铜管高效集成加工技术装备研究
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。