一种基于动态补偿复合神经网络的机械臂轨迹优化方法及系统

本发明提出了一种基于动态补偿复合神经网络的机械臂轨迹优化方法及系统，属于泥浆涂抹机器人领域，包括：S1、使用优化后麻雀算法优化BP神经网络的权重，形成一种ISSA‑BP神经网络；S2、基于ISSA‑BP神经网络构建轨迹补偿回归模型与最优轨迹参数回归模型，并组合形成复合模型；S3、根据复合模型和机械臂的设计变量得到目标响应函数值，并基于机械臂的设计变量和目标响应函数值构建多目标优化数学模型；S4、采用NSGA‑III算法对多目标优化数学模型进行求解，获取Pareto解集；S5、利用TOPSIS方法从Pareto解集中选取折衷解，基于折衷解的设计变量生成最优泥浆涂抹路径和涂抹运动参数。本申请考虑轨迹补偿因素，通过多目标优化算法寻求最佳的运行参数，显著提高了机械臂在泥浆涂抹过程中的精度和效率，实现了涂抹质量、时间效率和资源利用的均衡优化。