学位论文 > 优秀研究生学位论文题录展示

高阶递归神经网络在机械手控制中的应用

作　者: 伏守宇
导　师: 宋申民
学　校: 哈尔滨工业大学
专　业: 导航、制导与控制
关键词: 高阶递归神经网络机械手辨识动态控制
分类号: TP183
类　型: 硕士论文
年　份: 2006年
下　载: 109次
引　用: 1次
阅　读: 论文下载

内容摘要

神经网络在系统辨识以及控制器设计中的成功应用勿庸置疑。本文利用一种结构直观且神经元个数较少的动态高阶递归神经网络,在基于系统辨识的基础上,对两自由度机械手进行了成功的调节控制及跟踪控制。本文首先介绍了一些背景知识,如神经网络发展历程,研究动态递归神经网络的意义,以及选机械手作为控制对象的目的所在。其次展示了神经网络的逼近能力、独特的容错性以及可方便地应用于多变量系统,已经逐渐成为系统辨识与自适应控制的重要工具之一。神经网络的辨识过程是当所选的网络结构确定之后在给定的被辨识系统输入输出观测数据情况下网络通过学习或称为训练不断地调整权值使得准则函数达到最优。同时表明了静态神经网络在模型辨识中的不足。然后应用了一类特殊结构的动态高阶递归神经网络(RHONN),由于其反馈特性,能够快速获取系统的动态特征,适合具有强耦合、高度非线性的机械手这类动态系统的辨识。基于Lyapunov稳定性理论的神经网络权值在线学习律,保证了系统的全局稳定性,且具有良好的全局近似能力。针对机械手模型进行了成功的在线辨识,避免了以后控制过程中模型的不精确性及外部扰动带来的控制难点。辨识的最终目的是为了控制,在使用RHONN辨识成功的基础上,继而以这种RHONN为基础构造出控制器。神经网络此时一方面作为控制对象的在线辨识器,同时另一方面提供给构造控制器的必要信息。应用此种网络结构及权值更新算法于二自由度机械手的调节以及跟踪均取得满意的控制效果。

全文目录

摘要  4-5
Abstract  5-9
第1章绪论  9-14
  1.1 课题背景  9-12
    1.1.1 智能控制技术  9
    1.1.2 神经网络发展过程  9-10
    1.1.3 应用神经网络控制机械手对象的研究意义  10-12
  1.2 国内外研究现状及分析  12-13
  1.3 论文主要工作  13-14
第2章神经网络辨识  14-28
  2.1 引言  14
  2.2 系统辨识的基本原理  14-17
  2.3 神经网络用于系统辨识  17-27
    2.3.1 人工神经网络  17-20
    2.3.2 静态神经网络用于系统辨识  20-27
    2.3.3 动态神经网络用于系统辨识  27
  2.4 本章小结  27-28
第3章基于高阶递归神经网络的系统辨识  28-41
  3.1 引言  28
  3.2 用于辨识的高阶递归神经网络模型及算法  28-34
    3.2.1 网络结构  28-30
    3.2.2 逼近特性  30-33
    3.2.3 权值更新算法及稳定性证明  33-34
  3.3 应用于二自由度机械手模型的辨识  34-40
    3.3.1 机械手模型  34-36
    3.3.2 二自由度机械手模型的辨识  36-40
  3.4 本章小结  40-41
第4章基于高阶递归神经网络的二自由度机械手控制  41-51
  4.1 引言  41
  4.2 用于控制的动态高阶递归神经网络模型及算法  41-45
    4.2.1 网络结构  41-42
    4.2.2 权值更新算法及稳定性证明  42-45
  4.3 应用于二自由度机械手模型的控制  45-51
    4.3.1 调节问题  46-47
    4.3.2 跟踪问题  47-51
结论  51-53
参考文献  53-58
致谢  58

高阶递归神经网络在机械手控制中的应用

内容摘要

全文目录

相似论文