2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩75頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、多自由度機械臂是機器人的重要組成部分,在人類的生產(chǎn)生活中具有廣泛的應用。本文以機械臂運動學、動力學等為基礎,重點對機械臂逆運動學求解問題及軌跡跟蹤問題進行了研究。并以六自由度機械臂為例,對其運動學、動力學及軌跡規(guī)劃進行用了仿真。
  對于機械臂逆運動學的求解,可以通過遺傳算法或者BP算法來訓練神經(jīng)網(wǎng)絡的權值,從而得到問題的解。但這些方法在求解精度和收斂速度上有待進一步的改進。本文通過RBF神經(jīng)網(wǎng)絡與免疫系統(tǒng)存在相似性,采用人工免疫

2、原理對RBF神經(jīng)網(wǎng)絡訓練數(shù)據(jù)集的泛化能力,動態(tài)調整神經(jīng)網(wǎng)絡隱層結構。并采用遞推最小二乘法確定網(wǎng)絡連接權值。由此實現(xiàn)對神經(jīng)網(wǎng)絡的網(wǎng)絡結構和連接權進行自適應調整和學習。仿真結果表明用免疫原理訓練的神經(jīng)網(wǎng)絡收斂速度快,泛化能力強,可提高機械臂逆運動學求解精度。
  軌跡跟蹤問題作為機器人控制學中的一個重要方面,在控制系統(tǒng)運行過程中,存在系統(tǒng)誤差、信號檢測誤差、高頻特性及關節(jié)摩擦等不確定因素。常規(guī)的傳統(tǒng)的基于對象的控制方法很難精確的控制運

3、動軌跡。同時無法獲得令人滿意的控制性能。本文利用RBF神經(jīng)網(wǎng)絡函數(shù)與模糊系統(tǒng)的相似性,將模糊控制與神經(jīng)網(wǎng)絡相結合,采用RBF模糊神經(jīng)網(wǎng)絡對機械臂進行控制。通過模糊控制對RBF神經(jīng)網(wǎng)絡各參數(shù)及結構進行調整,同時采用最近鄰聚類算法對模糊規(guī)則庫的進行更新,優(yōu)化神經(jīng)網(wǎng)絡隱層神經(jīng)元的數(shù)目。從而達到自適應調整控制器參數(shù)和結構的目的,并加快網(wǎng)絡訓練速度。仿真結果表明,該算法與傳統(tǒng)的神經(jīng)網(wǎng)絡算法相比具有較好的性能,學習速度快,跟蹤精度高,并具有良好的控

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論