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。