冗余度机器人运动模型的神经网络辨识及实现  

Kinematic model identification and implementation of redundant robot based on neural networks

作　　者：姜春福[1] 余跃庆[2] 刘迎春[2] 

机构地区：[1]北京信息高技术研究所北京,100085 [2]北京工业大学机电学院,北京100022

出　　处：《控制理论与应用》2004年第3期373-378,共6页Control Theory & Applications

基　　金：国家自然科学基金项目(59975001);北京市自然科学基金项目(3012003).

摘　　要：为提高网络学习速度,提出了一种新的动态神经网络结构———状态延迟输入动态递归神经网络.以德国PowerCubeTM模块化机器人为研究对象,将机器人系统返回的关节位置信息和OPTOTRAK30203维运动测量系统测得的机器人末端位置信息作为神经网络的学习样本,对包含各种影响因素的机器人运动模型进行了辨识,所得结果及误差分析,说明了SDIDRNN在学习能力上的优越性.In order to increase the computational efficiency of neural networks,a new network model named state delay input dynamical recurrent neural network is presented in this study.This new neural network is also applied to the model identification of PowerCube\+\{TM\} modular robot system.The data of joint positions retrieved from the robot and the position of the end-effector measured by the OPTOTRAK 3020 are used as learning sets for neural network.The learning superiority of the new neural network is illustrated.

关 键 词：冗余机器人 神经网络 辨识 

分 类 号：TP24[自动化与计算机技术—检测技术与自动化装置]