机械工程学报

作者：王启明, 苏建, 隋振, 林慧英, 赵礼辉

单位：1. 上海理工大学机械工程学院 上海 200093;；2. 吉林大学交通学院 长春 130022;；3. 吉林大学通信工程学院 长春 130022

关键词：GA-BP,L-M算法,Newton-Raphson迭代法,混合策略,冗余驱动并联机构,位姿正解；

基金：国家自然科学基金资助项目（51575232，51705322）。

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。

来源：2019年第9期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2019年第9期