基于神经网络的机器人运动模型辨识及其实验研究
DOI:
CSTR:
作者:
作者单位:

(北京工业大学 机械工程与应用电子技术学院, 北京 100022)

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对机器人建模中不确定因素的影响, 采用神经网络辨识机器人输入输出间的非线性关系, 建
    立机器人的运动学模型。为了提高神经网络的辨识速度, 基于 Elman 动态递归网络, 通过增加网络输入
    输出的部分信息, 提出一种新的动态神经网络结构——状态延迟输入动态递归神经网络(SD I DRNN ) ,
    提高了网络的学习速度和稳态精度。以 Pow erCube
    TM模块化机器人为研究对象, 把根据机器人返回的
    关节位置信息和利用O PTO TRA K 3020 三维运动测量系统测得的机器人末端位置信息作为
    SD I DRNN 的学习样本, 对包含各种影响因素的机器人运动模型进行辨识, 得到了满意的结果, 说明了
    该神经网络的优越性。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

姜春福, 余跃庆, 刘迎春.基于神经网络的机器人运动模型辨识及其实验研究[J].控制与决策,2003,18(5):550-554

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2003-09-20
  • 出版日期:
文章二维码