Approximation du modèle géométrique inverse d’un robot manipulateur par les réseaux de neurones artificiels

Abstract

Dans ce travail, nous présentons un procédé pour l'approximation du modèle géométrique inverse d'un robot manipulateur série par un réseau de neurones artificiel, tout en évitant les problèmes classiques liés au calcul du modèle géométrique inverse par des méthodes donnants une solution forme fermée (une solution explicite). Notre procédé utilise le modèle géométrique direct calculé par la convention de Denavit-Hartenberg, pour générer la base de données d'apprentissage en identification inverse par un réseau de neurons.