学位论文 > 优秀研究生学位论文题录展示
脑神经信号及气动人工肌肉的ESN建模与控制
作 者: 周汉英
导 师: 王永骥
学 校: 华中科技大学
专 业: 模式识别与智能系统
关键词: 回声状态网络 脑机接口 气动人工肌肉
分类号: TN911.7
类 型: 硕士论文
年 份: 2011年
下 载: 29次
引 用: 0次
阅 读: 论文下载
内容摘要
使用神经网络对非线性系统的建模和控制已经因其良好的效果而得到了广泛的应用,而其中递归神经网络则因其动态性占更大的优势。回声状态网络(ESN)是一种新型的递归神经网络,它具有很新颖的学习方法,并具备良好的短期记忆能力。它的主要原理是利用大量神经元彼此稀疏连接来构建一个内部存储池,用来存储历史信息。它的训练方法是计算出内部存储池中的状态空间对于输出节点的线性回归权值,以得到误差平方和的最小化。本文的内容则是利用这种神经网络来完成对非线性系统的建模和控制,将其应用大脑神经信号的建模以及气动肌肉的建模与控制。本文首先研究了使用回声状态网络从猴子大脑神经元信号提取其手臂运动信息的解码算法。实验的数据为猴子分别朝8个不同的方向运动的轨迹以及记录的相对应的相关脑神经元信号。首先使用ESN分别针对各个方向建立猴子手臂运动轨迹的模型,每个方向取出一部分数据用于训练,另外一部分数据进行测试,测试结果验证了该方案的可行性;接下来使用基于充电模型神经元的ESN对猴子手臂运动的方向进行了建模,并获得了较好的效果。另外,本文使用ESN对气动肌肉的建模和控制进行了研究。首先通过实验驱动气动肌肉采集了其运行时的位移和拉力的相关数据,然后离线使用回声状态网络分别对其输出力和位移的模型进行了建立;接下来,在matlab/simulink环境下,使用两个回声状态网络分别逼近该系统的正模型和逆模型来构建内模控制结构以对其进行位置跟踪控制,仿真结果均证明了该控制策略可以给出较好的跟踪效果。将该方法用于实际气动肌肉系统的控制实验,成功实现了位置跟踪。
|
全文目录
摘要 4-5 Abstract 5-7 1 绪论 7-18 1.1 引言 7-8 1.2 脑运动神经系统研究 8-12 1.3 气动肌肉的建模与控制 12-15 1.4 ESN 研究现状 15-17 1.5 研究内容 17-18 2 回声状态网络 18-28 2.1 回声状态网络的结构 18-20 2.2 回声状态网络的运行和训练 20-22 2.3 回声状态网络的理论分析 22-24 2.4 使用PSO 算法设定ESN 参数 24-26 2.5 充电模型神经元(integrator leaky neuron) 26-27 2.6 本章小结 27-28 3 脑神经信号的建模 28-38 3.1 实验介绍 28-30 3.2 轨迹预测 30-34 3.3 方向预测 34-37 3.4 本章小结 37-38 4 气动肌肉的建模和控制 38-57 4.1 引言 38-39 4.2 气动肌肉平台介绍 39-40 4.3 基于ESN 的气动肌肉的建模 40-44 4.4 气动肌肉的控制 44-56 4.5 本章小结 56-57 5 总结与展望 57-59 致谢 59-60 参考文献 60-68 附录 攻读硕士期间发表的文章 68
|
相似论文
- 感觉刺激诱发脑电特征研究,R318.0
- 基于数字拼写的视—听联合刺激诱发ERP研究,R318.0
- 基于听觉注意的认知脑—机接口研究,R318.0
- 多任务脑—机接口空域滤波与特征提取方法研究,TP11
- 基于运动起始视觉响应的在线实用化脑—机接口,R318.0
- 基于平行因子模型的运动想象脑电分类,R318.04
- 基于左右手运动想象的分类算法与脑—机接口研究,TP11
- 基于误差补偿的时间序列预测方法,O211.61
- 基于GA-ESN的移动音频抗丢包技术研究,TN919.8
- 基于改进ESN的高炉煤气系统预测方法的研究,TF321.9
- 回声状态网络的非线性系统自适应辨识,N945.14
- 基于锋电位信号的脑机接口算法研究,TP301.6
- 基于信息压缩的无线植入式脑机接口中算法及系统研究,TP11
- 脑—机接口中运动想象脑电信号的特征提取和分类方法研究,TP334.7
- 基于脑电的脑—计算机接口在线异步系统研究,R318.0
- 脑电信号特征提取的算法研究,TN911.7
- 基于运动想象的脑信号处理,TN911.7
- 基于左右手运动想象脑—机接口的系统研究,TP334.7
- 基于瞬态视觉诱发电位的实时无线脑机接口系统的研究与设计,TP334.7
- 脑—机接口系统中脑电信号采集与特征识别,TP334.7
中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 信号处理
© 2012 www.xueweilunwen.com
|