工业 4.0 即工业生产建设从简单机械化过渡到智能化。在机器人技术快速发展与持续完善的大环境下，工业机械手臂被广泛运用于工业领域中，其发展与应用意义重大，在科学技术的更新换代、经济的快速发展乃至社会的进步方面都起到了很大的作用，其轨迹规划也被列为工业机器人研究的一项重要工作。本文通过将机械手臂、柔性制造系统和柔性制造单元相结合，实现了机械手臂的某些智能化，在一定程度上为机械制造系统的智能操作状态做了某些预研性研究实现智能机械手臂的构建。在满足一定环境的要求下，它可以完全智能地抓取限定工作台面的物体。同时，它也可通过实时抓帧，测量周围物体的坐标位置，调整自身参数，实现其适应、交互的智能特性。

   本小组通过运用嵌入式开发中的某些技术，实现了机械手臂的智能化

1、以TQ210开发板作为整个工作系统的控制主板，对各种数据信号进行了相关处理。

2、实现了机械手臂对物体实施抓取动作的路径设计。

3、在一定环境下，机械手臂可不接受外界控制完全自主地执行抓取动作。

4、能通过实时抓帧，测量周围物体的坐标位置，调整自身参数，以实现其适应、

交互的智能特性。

   基于模糊神经网络控制实现智能化。

首先对网络参数进行初始化,即对惯性系数α。和平滑因子β赋值,对m_ii、α_ii和w_ka赋初值。在求得和误差变化率之后,把它们作为模糊神经网络的输入,通

过计算各层的误差反传信号来计算学习率η并调整m_ii、α_ii和w_ka。利用调整的参数求得各机械手臂关节的控制力矩,并把控制力矩作为模糊神经网络的输出。最后通过采样时间来判断是否停止训练。

   根据上述算法,机械手臂控制的总体步骤如下

1.     设定关节的期望轨迹和关节的初始值,选取学习样本作为训练对象

2.     确定模糊神经网络的结构,即确定各层及其各层节点个数

3.把选取的样本进行计算,求得误差和误差变化率,作为模糊神经网络的输入,机械手臂的控制力矩作为输出

4.初始化模糊规则,即确定m_ii、α_ii和w_ka的初值以及确定学习率η惯性系数α和平滑因子β控制量,实现对机械手臂的跟踪控制

5. 定义误差函数,依次向前求出各层的误差,并调整各参数,得到输出的控制量,实现对机械手臂的跟踪控制

6.运用模糊神经网络训练样本并查看采样时间,当采样未结束时,调整参

数并重复以上步骤。