神經(jīng)網(wǎng)絡在機械手軌跡控制中的應用研究.pdf

1、機械手是一個非線性、強耦合的對象,模型非線性和參數(shù)不確定性給基于模型的控制方法帶來了困難。神經(jīng)網(wǎng)絡具有逼近任意非線性映射的能力,使其在控制系統(tǒng)的建模、辨識和控制中得到了廣泛的應用。本文對兩種不同類別的神經(jīng)網(wǎng)絡——前饋型神經(jīng)網(wǎng)絡和遞歸型神經(jīng)網(wǎng)絡的結構特點進行了分析,并分別應用在機械手的逆模控制中,取得令人滿意的效果。
　　小腦模型關節(jié)控制器(CMAC)具有結構簡單、學習速度快的特點。本文將其用于逼近機械手的動力學逆模型,針對神經(jīng)網(wǎng)絡

2、所需輸入量較多的問題,提出了單輸入CMAC的逆?？刂撇呗?并應用于二自由度機械手的軌跡控制。引入測量變量使網(wǎng)絡輸入由二維轉(zhuǎn)換為一維,大大減少了網(wǎng)絡所需存儲空間,提高了學習速度。仿真實驗結果表明,所提的控制策略克服了機械手非線性和不確定性的影響,是可行的。
　　高階遞歸型神經(jīng)網(wǎng)絡可以以任意精度逼近一類非線性動態(tài)系統(tǒng),本文給出了網(wǎng)絡的學習算法,并從數(shù)學上證明了該算法可以保證網(wǎng)絡收斂。再以三關節(jié)平面機械手為研究對象,設計了二階遞歸型神經(jīng)