(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111654616.7 (22)申请日 2021.12.3 0 (71)申请人 青岛科技大 学 地址 266000 山东省青岛市崂山区松岭路 99号 (72)发明人 祖丽楠　单宝明　张明月　鞠云鹏　 周春丽　刘志远　刘聪　 (74)专利代理 机构 山东重诺律师事务所 372 28 代理人 刘明锋　邓东坡 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/12(2006.01)G06F 119/14(2020.01) (54)发明名称 一种基于遗传算法优化的神经网络机械臂 动力学建模方法 (57)摘要 本发明涉及一种基于遗传算法优化的神经 网络机械臂动力学建模 方法， 所述建模方法涉及 一个机械臂的关节运动变量及其与输出力矩间 的关系， 所述关节运动变量包括关节角、 关节速 度和关节加速度， 所述建模 方法采用一个级 联前 向神经网络结构和一个遗传算法结构， 构建机械 臂的动力学模 型， 所述级 联前向神经网络结构 包 含多个隐含层。 本发明涉及的神经网络对经过初 级优化的参数进行训练， 用更精确的网络模型的 输出作为评价指标对其进行迭代更新， 对网络参 数进行深度优化， 实现了网络模型的精确构建。 权利要求书2页 说明书5页 附图3页 CN 114417711 A 2022.04.29 CN 114417711 A 1.一种基于遗传算法优化的神经网络机械臂动力学建模方法， 其特征是： 所述建模方 法涉及一个机械臂的关节运动变量及其与输出力矩间的关系， 所述关节运动变量包括关节 角、 关节速度和关节加速度， 所述建模方法采用一个级联前向神经网络结构和一个遗传算 法结构， 构建机械臂的动力学模型， 所述级联前向神经网络结构包含多个隐含层， 每一层都 与其输入层相连， 层与层之 间相互级联， 通过对输入输出关系中的参数不断优化， 使最 终的 输出偏差收敛到最小值， 实现非线性逼近能力； 所述级联前向神经网络结构包含多个参数和一个训练方法， 所述级联前向神经网络结 构的通用模型为： 其中， p为输入向量； y为每层的输出向量； n为神经网络层 数； f为si gmoid激活函数， n为 正整数； w为隐含层的矩阵， w的元素为所述参数， 记 为权值w； b为隐含层的偏置列向量参数， 记为偏置b； 权值 w和偏置b的求 解采用反向传播 算法， 通过 标记的数据进行引导 性的学习。 2.根据权利要求1所述的基于遗传算法优化的神经网络机械臂动力学建模方法， 其特 征是： 所述遗传算法结构包括种群初始化、 编码、 个体适应度值设置、 选择、 交叉以及变异； 在遗传算法结构的过程中根据适应度值的优劣对个体进行筛选， 使下一代新群体继承并优 于上一代的遗传信息， 直至筛选出最优个体， 形成机械臂的关节运动变量和输出力矩间的 关系； 采用所述遗传算法结构对所述级联前向神经网络结构中随机选取的初始W和偏置b进 行优化， 将得到的最终优化值作为神经网络的初始训练参数； 将初始W和偏置b作为所述遗 传算法结构的初始种群； 将实际输出和期望 输出差值的绝对值作为个 体适应度值F， 其中， k为算法自带系数、 m为输出层神经元个数、 Ti是第i个神经元的期望输出、 Oi是第i 个神经元 的实际输出； 按照一个轮盘赌原则对个体进行选择， 所述轮盘赌原则表示适应度 值越小， 表示 误差越小， 个 体适应度越好， 所述轮 盘赌原则用公式表示 为： fi＝k/Fi fi是个体适应度值的倒数， fi越小， 个体适应度越差； pi是每个个体被选中的概率， 个体 的适应度越好， pi就越大； 选择结束后， 进行交叉操作， 即将选 中的优秀个体进行配对， 将 染色体按某种方式相互 交换部分基因， 组成新的个 体； 父代个 体ak和母代个 体al在第j个点 位的实数交叉 方式为： 权　利　要　求　书 1/2 页 2 CN 114417711 A 2h是(0,1)区间内的随机数。 为增加种 群多样性， 对个体进行变异。 其中， ai在第j个点位 的变异方式为： amax表示个体的基因上界、 amin表示个体的基因下界、 μ是[0,1]区间内的随机数、 n是当 前迭代次数、 Nmax是最大迭代次数； 变异操作结束后， 检测新的个体是否是最优， 若当前并非 最优个体， 则循环进行选择、 交叉、 变异的步骤， 直至产生最优新个体； 若当前为最优个体， 则将其分割 赋值给神经网络的初始权值w和偏置b； 最后， 采用梯度下降法一个样本数据进 行训练， 直至满足所需要的精度。 3.根据权利要求1或2所述的基于遗传算法优化的神经网络机械臂动力学建模方法， 其 特征是： 所述级联前向神经网络结构的输入层的神经元个数为3个， 输出层神经元为关节的 输出力矩值， 隐含层数为3层； 每层的神经元节点个数分别为： 3、 3、 5； 所述隐含层数满足： M为隐含层神经元个数， n和m分别为输入层和输出层的神经元个数， a 是[0,10]区间内的常数， 初始W和偏置b随机 选取。 4.根据权利要求2所述的基于遗传算法优化的神经网络机械臂动力学建模方法， 其特 征是： 所述样本数据为 4800组。权　利　要　求　书 2/2 页 3 CN 114417711 A 3