基于神经网络的复合学习方案及在机器人控制中的应用  

Neural Network-Based Hybrid Learning Scheme and Its Application to Trajectory Control of Robot

作　　者：戴永强[1] 傅佩琛[1] 马秀娟 强文义[1] 

机构地区：[1]哈尔滨工业大学控制工程系

出　　处：《哈尔滨工业大学学报》1993年第4期43-48,共6页Journal of Harbin Institute of Technology

摘　　要：利用基于神经网络的复合学习方案实现了机器人操作手末端执行装置的高精度轨迹跟踪.提出了通过对网络输出数据进行补偿以使网络在训练时快速收敛的方法,并推证了广义BP(误差向后传播)算法。它不需要机器人的动力学模型,仿真结果表明,该方法可适用于具有高度非线性和受各种不确定性干扰的复杂系统的控制中。This paper realized high precision path tracking of robot end effector usingneural network-based hybrid learning scheme.A method which accelerates theconvergence of neural network by compensating its output data is also presented.Inthe meanwhile,the generalized back-propagation algorithm is proved.Simulation re-sults show that this acheme can be used high nonlinear control systems disturbed bymany uncertainties.

关 键 词：神经网络 复合学习 机器人 

分 类 号：TP27[自动化与计算机技术—检测技术与自动化装置]