基于随机遗传算法优化BP神经网络的工业机器人整机性能评估模型

• 作者: 叶伯生 谢鹏 张文彬
• 来源期刊: 中南大学学报（自然科学版）
• 关键词: 工业机器人 性能评估 BP神经网络 遗传算法
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 机械工程?控制科学与工程|Mechanical Engineering, Control Science and Engineering
• 页码范围: 3204-3211
• 页数: 8页
• 分类号: TP242.2
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2021.09.022

摘要

为了实现各种场合下机器人的高精高可靠应用,需要准确评估机器人整机性能.然而,工业机器人整机性能评估指标及其影响因子多、影响关系耦合性强、运行环境及工况条件多变,极大地限制了实验研究法的执行性及准确性.为此,本文提出一种基于随机遗传算法优化BP神经网络(BPNN)的工业机器人整机性能评估模型.首先,分析确定模型的输入参数和输出参数;然后,选用BP神经网络作为整机性能预测评估模型,并对网络进行结构设计;第三,利用遗传算法优化BP神经网络的初始权重和阈值,防止训练过程陷入局部最优;最后,通过训练集和验证集对模型进行训练和验证.研究结果表明:BPNN整机性能评估模型存在校正决定系数得分较低的情况,而经过遗传算法优化后几乎未出现极低分;模型对于新样本的预测误差总体分布正常,几乎未出现极端异常值.遗传算法能够有效防止BPNN整机性能评估模型陷入局部最小值,提高模型的泛化能力,基于遗传算法优化BP神经网络的整机性能评估模型能够准确预测工业机器人整机性能.