基于高阶CMAC网络的机器人自学习控制器  

High Order CMAC-Based Self Learning Controller for Robotic Manipulators

作　　者：杨胜跃[1] 樊晓平[1] 

机构地区：[1]长沙铁道学院信息与控制工程研究所,湖南长沙410075

出　　处：《长沙铁道学院学报》2000年第3期29-33,共5页Journal of Changsha Railway University

基　　金：国家自然科学基金 !(6 9975 0 0 3);湖南省自然科学基金 !(98JJY2 0 44 )

摘　　要：提出了将 CMAC网络与 PD控制器相结合的机器人在线自学习控制器 ,通过引入高阶网络的概念 ,采用简单的叠加处理法将多维输入空间的 CMAC神经网络化为多个一维输入子网络 ,从而简化系统的网络结构 .同时对进行叠加的一维输入 CMAC网络选取不同的学习步长 ,提高了学习的收敛速度和模型的逼近能力 .计算机仿真结果表明 ,所提出的新型机器人自学习控制器具有很好的控制性能 .In this paper,a new on line self learning controller is designed on the basis of CMAC neural networks and a proportional plus derivative (PD) controller.By introducing a concept of high order neural network and adopting a simple summation method,a CMAC network spanned on a multiple dimensional input space can be considered as a summation of several subnets with one dimensional input so that the topological structure of the system network is greatly simplified.Meanwhile,different learning steps are selected for each one learning controller is of excellent performances.

关 键 词：CMAC网络 机器人控制 自学习 叠加处理法 高阶神经网络 

分 类 号：TP17[自动化与计算机技术—控制理论与控制工程] TP242[自动化与计算机技术—控制科学与工程]