摘要:针对分拣机器人视觉反馈跟踪精度差、耗时较长的问题，研究基于粒子群算法-反向传播(particle swarm optimization- back propagation,PSO-BP)神经网络的分拣机器人视觉反馈跟踪方法，以提升视觉反馈跟踪效果。依据分拣机器人的视觉反 馈信息，建立分拣机器人运动学模型，并求解分拣机器人机械臂输出位置和输入位置的误差函数；利用 PSO 算法优化 BP 神 经网络的权值与偏置；在权值与偏置优化后的BP 神经网络内，输入误差函数，预测分拣机器人视觉反馈跟踪控制量；利用预 测视觉反馈跟踪控制量，在线调整增量式比例-积分-微分(proportional-integral-derivative,PID) 的参数，输出高精度的分拣机 器人视觉反馈跟踪控制量，实现分拣机器人视觉反馈跟踪。实验结果表明，该方法可有效视觉反馈跟踪分拣机器人机械臂的 关节角；存在干扰情况下，在运行时间为10 s 左右时，阶跃响应趋于稳定；有干扰情况下，视觉反馈跟踪的平均误差为 0.09 cm,耗时平均值为0.10 ms; 无干扰情况下，平均误差为0.03 cm,耗时平均值为0.04 ms。