【基於神经网络的机器人逆动力学控制】谭宇明.pdf

9650832 摘要本文讨论了如何利用神经网络实现机器人的逆动力学控制。本文先讨论了有关机器人动力学模型的知识,分析了传统的机器人逆动力学控制方法。然后论述了有关神经网络的基本理论和主要特点,并重点阐述了反向传播(BP)神经网络的有关算法。接着,提出基于神经网络的机器人的逆动力学控制方案。本文给出了用神经网络辨识PUMA560型机器人的动力学模型的仿真结果以及带补偿作用和不带补偿作用两种不同方案的仿真结果,并进行了分析。同时,还介绍了有关在WINDOWS环境下的编程特点以及部分关键仿真程序。

目录摘要.ABSTRACT.Ⅱ 第一章前言1机器人的发展概况 1机器人的控制问题和神经网络在机器人控制中的应用.第二章机器人逆动力学控制2机器入的拉格朗日方程PUMA560型机器人及其逆动力学模型2机器人的逆动力学控制第三章神经网络及其学习算法.3神经网络的基本理论和主要特点3反向传播(BP)神经网络.第四章基于神经网络的机器人逆动力学控制4用BP网络辨识PUMA560型机器人的逆动力学模型4基于神经网络的机器入的逆动力学控制.

境结构相对固定的场合,因而可以通过编程来实现重复性的操作。由于没有信息反馈,不能改善其行动品质,应用范围和精度受到限制.第二代是反馈控制机器人,这类机器人装有传感器,能对其自身的实际位置、速度、和加速度和力等进行测量,也能通过其“视觉和触觉对外部环境进行实际探测。机器人系统根据检测的信息进行反馈控制,调整操作动作,从而使行动品质大大提高.第三代是智能机器人。这类机器人具有某些人工智能的特性,具备视觉、触觉、听觉、味觉、力觉等多种感觉能力,能根据复杂的环境信息进行推理,对操作行为作出自主决策,能在不熟悉的环境下完成复杂与特殊的任务。