版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、北京工業(yè)大學(xué)碩士學(xué)位論文基于神經(jīng)網(wǎng)絡(luò)的機(jī)械手控制方法研究姓名：李明申請學(xué)位級別：碩士專業(yè)：模式識別與智能系統(tǒng)指導(dǎo)教師：李建更于乃功20070501北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文ABSTRACTNeuralnetworksaI℃extensivelyusedinmodeling、identificationandcontrolofsystembecauseoftheirpowerfulandexcellentabilityofdatapro
2、cessingandapproximatinganynonlinearftmetionInthepapertwokindsoftypicalneuralnetworks—feedforwardneuralnetworkandrecurrentneuralnetworkareanalyzedandimprovedtespectivelyapplytobotmanipulatorsinversemodelcontrolandpathtrac
3、kingExperimentshowsagoodresultSomemainworksofthispaperarcasfollows：(1)Theslruetureelmmeteristies，laainingalgorithmandapplicationinrobotmanipttlators’controloffeedforwardandree哪tneuralnetworks黜respectivelyanalylxtandsumma
4、rizedThengavetheproblemofthesetwoapplicationsinrobotmanipulators’contr01BasedOntheaboveanalysisakindoffastspeelandheuristicalgorithmandakindofimprovedneuralnetworkslzuetureofJordannetwork玳respectivelyintroduced(2)Inthepa
5、pef’aslrategythatcombinedneuralnetworkandinversemodelcontrolisproposedtosolvetheproblemresultedfromtheinverseclynamiemodelsnonlinearcharacteristicandp鋤鋤ctcrsltulcenaintyin2DOFrobot蛐contr01Atthe蛐etime，becauseBPalgorithmha
6、sflOIltledisadvantagesofslowconvergenceandgettingeasilyintolocalminimaatthelasttimeoftrainingafast印ccdandhcul_isticalgorithmisintroducedt0lrainamultiplefeedforwardneuralnetworkandthenestabfishtheinversemodelofrobotlllman
7、dcontrolitThesimulationresultsshowthevalidityofcontrolslzategyandthefast印ecdconvergenceofalgorithm(3)BasedOntheree哪tneuralnetworks’goodabilityofmappingnonlin船taymmicsystemapaIlhtrackingcontrolsystembasedOn卸improvedJordan
8、networkisdesignedtocontrolrobotmanipulatorApproprialenetworkshud【IⅡeandtrainningalgritiara讎selectedaccordingtothefeatureofmanipulatorkinematicsFinallythesimulationsshowafastspeedandrealtimeeontroningp曲皿an∞KEYWORDS=RobotM
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的機(jī)械手軌跡跟蹤控制方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的水下機(jī)械手控制方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的機(jī)械手控制的研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的機(jī)械手軌跡跟蹤控制方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的機(jī)械手控制系統(tǒng)的研究.pdf
- 雙關(guān)節(jié)機(jī)械手的神經(jīng)網(wǎng)絡(luò)魯棒控制仿真研究.pdf
- 基于小腦模型二自由度機(jī)械手的神經(jīng)網(wǎng)絡(luò)控制.pdf
- 高階遞歸神經(jīng)網(wǎng)絡(luò)在機(jī)械手控制中的應(yīng)用.pdf
- 神經(jīng)網(wǎng)絡(luò)在機(jī)械手軌跡控制中的應(yīng)用研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的機(jī)械手逆運(yùn)動學(xué)問題的研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的機(jī)械手軌跡規(guī)劃及運(yùn)動仿真研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)方法的手形識別研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和高斯過程的機(jī)械手抓取策略與仿真研究.pdf
- 神經(jīng)網(wǎng)絡(luò)在機(jī)械手逆解求解中的應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的混沌控制方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的智能控制方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)PID控制方法的研究.pdf
- 基于肌電的機(jī)械手控制方法研究.pdf
- 遞歸型神經(jīng)網(wǎng)絡(luò)在機(jī)械手逆模學(xué)習(xí)控制中的應(yīng)用研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的剛性機(jī)械臂控制研究.pdf
評論
0/150
提交評論