基于PSO优化LSTM神经网络的机械臂逆运动学求解研究

来源：电子测量技术杂志2022年第13期北京时间：

作者：孙燕成，陈富安

单位：河南工业大学电气工程学院 河南郑州 450001

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。

关键词：机械臂;逆运动学求解;粒子群算法;神经网络

基金资助：河南省科技攻关项目（182102210088）