来源：期刊VIP网 时间：
作者：陈富安;侯宇杰;李苏阳;
单位：河南工业大学电气工程学院;
摘要：针对传统神经网络和智能算法在机械臂逆运动学求解过程中求解精度低和泛化能力弱的问题，提出一种利用注意力机制改进门控循环（Gated Recurrent Unit,GRU）神经网络的逆运动学求解模型。该模型利用GRU神经网络对机械臂逆向运动过程中时序性的分析，学习各个关节运动前后变化的约束关系。然后通过注意力机制突出重要节点数据变化对关节角的影响，提高求解精度，增强模型泛化能力。本仿真以六自由度串联机械臂为研究对象，对其运动学进行建模分析，将机械臂的逆运动学求解问题转换为误差最小化的研究。仿真结果表明，利用该神经网络模型求解逆运动学相比于PSO-BP和LSTM网络，模型的求解精度得到了明显提高。
关键词：逆运动学;;注意力机制;;GRU神经网络;;求解精度
基金资助：河南省科技攻关项目（182102210088）
