排序方式: 共有20条查询结果,搜索用时 62 毫秒
1.
2.
为了提高移动机器人的灵活性和机动性,人们提出了最大限度地利用普通常规轮的运动自由度来实现移动机器人的平面自由运动。当移动机器人具有n(n≥2)个可操舵驱动轮时,它可以实现平面上的自由运动,即它具有3个自由度。针对轮式移动机器人的运动学建模问题,基于坐标变换法,提出了一种解决具有可操舵轮的移动机器人运动学建模的通用方法,建立了在满足理想运动约束条件下的运动学模型,并以具有2个可操舵驱动轮的3自由度移动机器人为例,给出了运动学仿真结果。 相似文献
3.
基于神经网络的3自由度移动机器人跟踪方法研究 总被引:2,自引:0,他引:2
针对具有2个可操舵驱动轮的3自由度移动机器人的轨迹跟踪问题,利用神经网络的任意非线性逼近能力辨识出3自由度移动机器人的逆运动学模型,使系统的3个独立输入控制线性化,将一般非线性系统转化为仿射非线性系统。根据反馈控制理论,设计了跟踪控制器,使系统具有良好的全局稳定性,实现了移动机器人的位置和方位的独立跟踪。最后,通过仿真验证了算法的可行性和有效性。 相似文献
4.
5.
6.
7.
8.
9.
基于Levenberg-Marquardt算法的神经网络监督控制 总被引:71,自引:0,他引:71
提出了基于Levenberg-Marquardt(L-M)算法的前向多层神经网络在线监督的控制方法,其算法是梯度下降法与高斯-牛顿法的结合,对于训练次数及准确度,L-M算法明显优于共轭梯度法及变学习率的BP(Back Propagation)算法,适用于在线学习与控制,因此,利用L-M算法的特点进行在线训练神经网络,以实现实时非线性控制,仿真结果表明,该控制方法优于常规控制算法,明显改善了在未知负载扰动时,伺服系统的踊跃性能,显著地降低了跟踪误差,具有很强的抗干扰能力。 相似文献
10.