摘要：近二十年来，人工神经网络技术被人们较为广泛地应用于各个控制系统的设计。现代的人工神经网络拥有更加广泛的应用领域，并且能够更好的模拟生物神经系统，加强与传统的人工智能技术结合的程度。他通过模拟人的思考行为，去实现对被控对象控制和调节。随着国内外自动化水平的不断提高，机器人在日常生活之中的应用也逐渐变强。多自由度机械臂是机器人系统最基本的组成部分，其控制方案的设计是机器人控制的基础。运用人工神经网络方法能够实现对机械臂组件运动中各部件所需施加的力和力矩的控制，使机械臂准确地到达预定的位置。本毕业设计运用径向基函数人工神经网络技术对机械臂进行运动控制，并用Matlab中的Simulink 进行仿真模型文件的搭建，运用S-函数模块来表示有关的非线性关系的状态空间子模块，进而用Simulink对系统求解，以此来显示仿真效果。

关键词：径向基函数神经网络 机械臂 S-函数 仿真

目录

摘要

Abstract

1.绪论-1

1.1课题研究的背景及意义-1

1.2机械臂的发展-1

1.3人工神经网络及其在机械臂控制中的发展-3

1.3.1. 人工神经网络的发展-3

1.3.2. 人工神经网络在机械手控制中的优势-4

2. 基于Matlab的仿真-5

2.1. Matlab的概述-5

2.2. Matlab中Simulink功能的使用-5

2.3. S-函数-6

3. 神经网络的基本原理-8

3.1. 基础的人工神经元模型-8

3.2. 神经网络的结构-9

3.2.1. 前馈型网络-9

3.2.2. 反馈型网络-10

3.3. 神经网络的学习-11

3.4. BP神经网络-13

3.5. 基于径向基函数的系统-15

3.5.1. 径向基函数网络（RBF神经网络）-15

3.5.2. 径向基函数网络（RBF神经网络）的基本结构-15

3.5.3. 径向基函数（RBF）神经网络的学习算法-15

4. 在工作空间内机械臂的RBF神经网络控制-20

4.1. 机械臂在工作空间内的直角坐标和其机械臂关节角位置的相互转换-20

4.2. 机械臂的RBF神经网络建模-21

4.3. 径向基函数控制器的设计-23

4.4. 机械臂RBF神经网络的分析与仿真-23

4.4.1. 仿真模型-25

4.4.2. 仿真代码-26

5. 总结与展望-36

6． 参考文献-37

致 谢-39