摘  要：本文主要通过研究工厂智能分拣作业的生产流程，针对多种约束条件下的Delta型并联机器人分拣多目标物体的问题，提出基于神经网络算法的并联机器人分拣抓取路径优化方法，通过对分拣过程分阶段的系统优化，并结合其实际生产情况提出了这一优化算法。通过对各层神经元不断的优化训练，记录更多的样本数据，最后通过仿真试验结果表明，采用该方法与传统方法相比更加快速的完成了分拣任务，有效缩短了分拣时间，提高了工作效率，对于智能分拣的研究具有重要意义.

关键字：并联机器人；分拣路径；路径规划；神经网络

1 引言

Delta型并联机器人[1]是目前工业应用最为广泛的并联机构之一[2]．近几年来，随着工业的快速发展，并联机器人的研究及应用主要向着轻量化、快速、灵活等趋发展，尤其是在分拣、装配等重复性的流水作业中最为常见[3]，因此提高工作效率是提高生产效率的重要途径.目前，带有视觉的 Delta 并联机器人分拣系统比传统的机器人分拣更能适应复