检索结果-内蒙古大学图书馆

作者：任剑新南京邮电大学

学位级别：硕士

双足机器人的行走模式设计一直是机器人研究中的重点,为实现稳定的机器人行走模式,本文主要采用学习能力较强的神经网络来规划。分别针对其中的子问题进行详细的设计,包括操作空间的轨迹生成、关节空间轨迹的逆运动学问题和机器人控制... 详细信息

双足机器人的行走模式设计一直是机器人研究中的重点,为实现稳定的机器人行走模式,本文主要采用学习能力较强的神经网络来规划。分别针对其中的子问题进行详细的设计,包括操作空间的轨迹生成、关节空间轨迹的逆运动学问题和机器人控制的动力学问题,最后通过NAO机器人的仿真实验验证了相关网络的有效性。主要工作和创新点概括如下:针对机器人操作空间的轨迹生成问题,设计了动态控制神经网络系统(Dynamic Control Neural Network,DCNN),该网络将整个空间轨迹生成任务分为时间和空间两部分依次进行,第一部分通过循环神经网络(Recurrent Neural Network,RNN)生成具有时间特性的中间轨迹,第二部分用前馈神经网络(Feed Forward Neural Network,FFNN)将该中间轨迹映射到所需要的具体空间形状上,同时又增加了外部可调信号和反馈控制回路,通过外部可调信号对轨迹空间映射进行二次规划,而反馈控制回路是为整个系统的自适应性。针对机器人的关节空间的轨迹生成问题,设计了逆运动学的神经网络求解器(Levenberg-Marquardt's Moore-Penrose Inverses Zhang Neural Network,LMP-ZNN),利用张神经网络(Zhang Neural Network,ZNN)求解相关逆运动学的Jacobian矩阵逆,其通过具有隐式动力学的特殊循环神经网络(RNN)并利用矩阵误差函数来建立模型。同时面对双足机器人的轨迹规划方面存在的时变矩阵Moore-Penrose逆问题,将普通矩阵逆扩展到广义矩阵逆(Moore-Penrose Inverse,MPI),并将ZNN应用到MPI的求解问题上,以此来解决轨迹规划中的奇异点和实时控制问题。接着又引入Levenberg-Marquardt算法,通过增加阻尼因子并实时改来实现逆运动学求解的鲁棒性,最终规划出逆运动学的神经网络求解器。针对机器人的运动控制的动力学问题,存在复杂模型或者不确定模型的动力学分析困难性,并且在驱动机器人运动方面存在一定的动力学误差,设计了具有鲁棒控制的神经网络自适应控制器,利用了前馈神经网络(FFNN)的通用逼近性质,以自适应学习的方式估算机器人的非线性动力学,并且其权重自适应更新,即通过自适应控制的方式解决模型以及跟踪误差问题。

关键词：行走模式动态控制神经网络逆运动学张神经网络 Moore-Penrose逆 Levenberg-Marquardt算法动力学

来源：评论

学校读者我要写书评

暂无评论

新型递归神经网络求解时变矩阵Moore-Penrose逆

引用

吉首大学学报（自然科学版） 2017年第3期38卷 31-35页

作者：向秋红廖柏林马川吉首大学数学与统计学院湖南吉首416000 吉首大学信息科学与工程学院湖南吉首416000

将传统梯度神经网络(GNN)与张神经网络(ZNN)巧妙结合,提出了一种新型的神经网络(NNN)模型.在相同的条件下,采用NNN,GNN,ZNN模型求解时变矩阵M-P逆,从理论上证明了NNN模型的有效性和优越性.计算机仿真结果表明NNN模型在有噪声的条件下求... 详细信息

将传统梯度神经网络(GNN)与张神经网络(ZNN)巧妙结合,提出了一种新型的神经网络(NNN)模型.在相同的条件下,采用NNN,GNN,ZNN模型求解时变矩阵M-P逆,从理论上证明了NNN模型的有效性和优越性.计算机仿真结果表明NNN模型在有噪声的条件下求解矩阵M-P逆具鲁棒性.

关键词：梯度神经网络张神经网络矩阵Moore-Penrose逆

来源：评论

学校读者我要写书评

暂无评论

基于迭代学习控制算法的机器人路径规划方法研究

基于迭代学习控制算法的机器人路径规划方法研究

引用

作者：丁浩长春工业大学

学位级别：硕士

随着我国现代制造业的飞速发展,很多控制技术在诸如工业机器人复杂系统中得到广泛应用。本文建立工业机器人的拉格朗日动力学模型。针对工业机器人存在的不确定性因素,设计一种带有扰动的迭代学习控制器,为研究机器人路径规划以及轨迹... 详细信息

随着我国现代制造业的飞速发展,很多控制技术在诸如工业机器人复杂系统中得到广泛应用。本文建立工业机器人的拉格朗日动力学模型。针对工业机器人存在的不确定性因素,设计一种带有扰动的迭代学习控制器,为研究机器人路径规划以及轨迹跟踪提供了理论基础和方法。因此本文选题具有重要的理论研究意义和应用价值。本文以二自由度机械臂为研究对象,建立相关的动力学模型,设计迭代学习控制器,利用张神经网络对二自由度机械臂系统进行路径规划,并用迭代学习控制算法对机械臂进行轨迹跟踪控制。本文的主要研究内容包括:首先,分析工业机器人的动力学模型,利用拉格朗日建模方法。介绍张神经网络时变逆矩阵理论基础,概述ZNN模型的设计方法,为后续的稳定性证明打下基础,又简单讲解D型和PID型迭代学习控制的控制律基本框图。以及重点介绍两种形式下的Bellman-Gronwall定理,为迭代学习控制理论的收敛性做铺垫。其次,本文提出一种求解高度非线性的最短路径问题的方案。通过贝尔曼方程动态规划的最优性原则的启发,将最短路径问题表示为线性方程,采用张神经网络的方式求解相应的线性方程。在二自由度机械臂移动过程中找到最短路径。我们先进行理论分析,再利用李雅普诺夫稳定性理论,证明该神经网络算法的渐近稳定性。以保证所提出的方案能够解决最短路径这一方面的性能。此外,还提供说明性实例用于验证所提出的方案和理论结果。最后,针对二自由度机械臂非线性系统,迭代学习控制对于具有重复运动特性的机械臂有较好的控制效果。在扰动的情况下,设计一种PD型迭代学习控制律,随着系统迭代次数的不断增加,通过在区间内对增益矩阵进行实时修改来缩短所需的修正区间,进而达到加快收敛速度的目的。仿真结果表明,PD型迭代学习控制收敛速度比P型迭代学习控制更快;带有扰动的PD型迭代学习控制比传统扰动型PD控制收敛效果更好。保证工业机器人系统具有良好的动态性能。

关键词：工业机器人路径规划张神经网络迭代学习控制扰动

来源：评论

学校读者我要写书评

暂无评论

用新激活函数加快新ZNN模型求解时变矩阵Moore-Penrose逆

引用

理论数学 2024年第1期14卷 9-16页

作者：唐智超高月凤上海理工大学理学院上海

基于梯度的神经网络(GNN)和张神经网络(ZNN)是两种可用于求解时变矩阵Moore-Penrose逆问题的递归神经网络。与GNN相比,ZNN的计算精度更高。此外,本文提出了一种新的ZNN模型。因此,本文主要利用带有新优化激活函数的ZNN模型来求解时变行... 详细信息

基于梯度的神经网络(GNN)和张神经网络(ZNN)是两种可用于求解时变矩阵Moore-Penrose逆问题的递归神经网络。与GNN相比,ZNN的计算精度更高。此外,本文提出了一种新的ZNN模型。因此,本文主要利用带有新优化激活函数的ZNN模型来求解时变行满秩(或列满秩)矩阵Moore-Penrose逆问题。这种带有新优化激活函数的ZNN模型可以在有限时间内加速求解时变矩阵的Moore-Penrose逆。通过Lyapunov理论分析,得到了收敛时间的上限。仿真结果进一步证实了理论分析,并证明了采用新优化的激活函数的ZNN模型在求解时变矩阵Moore-Penrose逆时的有效性。

关键词： Moore-Penrose逆张神经网络激活函数时变矩阵

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：