智能机器人

免费订阅电子杂志立即订阅 助推中国运动控制产业发展
首页 >> 杂志文章

基于神经网络的并联机器人分拣系统优化

作 者:郭振魁 李宏杰 郭江东 王安红 来自:2018年第5期"建模与仿真" 阅读 2104

摘  要:本文主要通过研究工厂智能分拣作业的生产流程,针对多种约束条件下的Delta型并联机器人分拣多目标物体的问题,提出基于神经网络算法的并联机器人分拣抓取路径优化方法,通过对分拣过程分阶段的系统优化,并结合其实际生产情况提出了这一优化算法。通过对各层神经元不断的优化训练,记录更多的样本数据,最后通过仿真试验结果表明,采用该方法与传统方法相比更加快速的完成了分拣任务,有效缩短了分拣时间,提高了工作效率,对于智能分拣的研究具有重要意义.
关键字:并联机器人;分拣路径;路径规划;神经网络
1 引言
Delta型并联机器人[1]是目前工业应用最为广泛的并联机构之一[2].近几年来,随着工业的快速发展,并联机器人的研究及应用主要向着轻量化、快速、灵活等趋发展,尤其是在分拣、装配等重复性的流水作业中最为常见[3],因此提高工作效率是提高生产效率的重要途径.目前,带有视觉的 Delta 并联机器人分拣系统比传统的机器人分拣更能适应复杂的作业环境,提高生产效率,改进机器人的适应能力,是目前分拣路径规划普遍采用的模式,即并联
[登陆后可查看全文]