在机械工业中,机械臂逆运动学规划是一个重要的研究方向。对于机械臂的逆运动学规划,传统的伪逆方案无法保证机械臂不超出物理约束;传统的二次规划方案需要知道精确的机械臂物理参数。在实际应用中,常会出现由于物理磨损造成的机械臂的物理参数不同于真实值,机械臂关节超出物理约束造成机械臂损坏等现象,上述情况下传统的方案不适用。本文讨论了机械臂逆运动学规划问题,设计了一种基于自适应神经网络的逆运动学方案。对于物理参数未知或者错误的机械臂,该方案能保证机械臂关节不超出物理极限的情况下完成重复运动。本文的主要工作和成果如下:1.针对机械臂的重复运动问题,讨论了一种基于二次规划的重复运动方案,通过最小化机械臂关节角当前值和关节角初始值的差,结合神经动力学法,设计了一种可实现重复运动的性能指标,使得关节角在运动结束后回到初始位置。对于该二次规划,利用拉格朗日法将二次规划转化为线性系统进行求解。实验结果验证了该性能指标实现重复运动的有效性。2.针对未知模型的机械臂轨迹规划问题,讨论了一种基于伪逆的自适应轨迹规划方案,通过递归神经网络寻找适用的机械臂雅克比矩阵,摆脱了对机械臂数学模型的依赖,仅利用输入输出信息便可对模型未知的机械臂进行控制。理论分析和实验结果验证了该方案应对未知模型的可行性。3.为了使未知模型的机械臂在完成重复运动的基础上关节角不超出其物理约束,提出了一种基于自适应神经网络的逆运动学方案。针对机械臂物理约束,在能解决重复运动的二次规划基础上,引入关节角约束,投影神经网络可以求解包含物理约束的二次规划;为应对参数未知,将机械臂的雅克比矩阵分解出与未知参数相关的部分,结合投影神经网络,设计了一种自适应神经网络用于求解。理论分析证明了该方案的可行性,实验结果也充分验证了该方案的优越性。