摘要：针对冗余驱动并联机构建立的位姿正解方程组存在冗余,而采用的Newton-Raphson迭代法位姿正解时对迭代初值选取较为敏感且计算速度较慢的问题,提出基于Levenberg-Marquardt(L-M)算法的改进BP神经网络模型与基于改进的Genetic Algorithm优化BP(GA-BP)神经网络模型,前者可在线计算满足实时性要求,后者可离线训练满足较高精度要求;解决了新型冗余驱动并联机构位姿正解问题。并与常用的基于拟牛顿算法(BFGS)和基于量化共轭梯度算法(SCG)的神经网络模型进行对比分析。结果表明,GA-BP模型和L-M算法模型在误差性能分析上明显优于BFGS拟牛顿与SCG算法模型;L-M算法在计算精度稍逊于GA-BP模型,而GA-BP模型迭代时间较长,因此更适用于离线高精度位姿正解。

关键词：冗余驱动并联机构 位姿正解 混合策略 

单位：上海理工大学机械工程学院; 上海200093; 吉林大学交通学院; 长春130022; 吉林大学通信工程学院; 长春130022