X6132型万能升降台铣床床身设计外文翻译译文.docVIP

X6132型万能升降台铣床床身设计外文翻译译文.doc

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
X6132型万能升降台铣床床身设计外文翻译译文

提高人工神经网络的精度偏移误差补偿方法用于精密机械的位置控制 Y.F. Lou* and P. Brunn制造部,机械工程学院,曼彻斯特理工大学,曼彻斯特,英国 人工神经网络(神经网络)最近已成为在许多领域,包括机器人控制,在那里他们可以作为一个非线性模型的普通班,以解决高度非线性控制问题相当关注的焦点。前馈神经网络已广泛应用于建模和控制的目的。在机器人控制的人工神经网络的应用之一是逆运动学问题,这是在机器人路径规划的重要解决方案。本文提出了一种迭代的方法和偏移误差补偿方法,以提高使用人工神经网络和机器人运动学模型的逆运动学解的准确性。偏移误差补偿方法提供了可能产生准确的逆解一类的问题,有一个很容易获得的正向模型和复杂的解决方案。 关键词:的直角点被视为结束两个环节的手臂效应实际上移动到中间位置 参考文献 [1] Funahash K. On approximate realization of continuous mappings by neural networks. Neural Networks 1989; 2: 183-192 [2]Hornik K. Approximation capabilities of multilayer Feedforward networks. Neural Networks 1991; 4: 251-257 [3]Cybenko G. Approximation by superpositions of a sigmoidal function. Math Control, Signals Systems 1989; 2: 303-314 [4]Psaltis D, Sideris A, Yamamura A. A multi-layer neural networks controller. IEEE Control Systems Mag 1988; 17-21 [5] Kawato M, Uno Y, Isobe M, Suzuki R. A hierarchical model for voluntary movement and its application to robotics. 1st IEEE Int Conf Neural Networks 1987; 4: 573-582 [6] Nguyen DH, Widrow B. Neural networks for self- learning control system. IEEE Control Systems Mag 1990; 18-23 [7]Arteaga-Bravo FJ. Multilayer back-propagation net-work for learning the forward and inverse kinematics equations. Int Joint Conf Neural Networks 1990; 2:319-322 [8] Guez A, Ahmad Z. Accelerated convergence in the nverse kinematics via multi-layer feedforward net-works. Int Joint Conf Neural Networks 1989; 2:341-347 [9] Guo J, Cherkassky V. A solution to the inverse kine-matic problem in robotics using neural network pro-cessing. Int Joint Conf Neural Networks 1989; 2:299-304 [10] Rumelhart DE, Hinton GE, Williams RJ. Learning internal representations by error propagation. Parallel Distributed Processing 1986, 1 [11] Denavit J, Hartenberg RS. A kinematic notation for lower-pair mechanisms based on matrices. J Appl Mech 1955; 77: 215-221 [12] Craig JJ Introduction to Robotics: Mechanics an Control, Addison-Wesley, 1989 [13]Lou YF, Brunn P. Using artificial neural

文档评论(0)

cgtk187 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档