基于神经网络的机器人模型辨识与控制研究-机械设计及理论专业论文.docxVIP

摘 摘 要 在机器人的研究中，机器人建模与控制是最重要的领域之一。神经网络以其 强大的适应复杂环境和多目标控制要求的自学习能力，以及可以任意精度逼近 任意非线性连续函数的特性引起极大关注。本文采用神经网络来研究机器人系 统的建模、控制问题，为解决非线性系统的辨识和控制探索简单而有效的方法， 具有重要的理论意义和应用价值。本研究主要涉及以下几方面： 首先，对神经网络的结构进行了研究。在动态递归Elman网络的基础上， 提出了一种新的神经网络拓扑结构一一状态延迟输入动态递归神经网络 (SDIDRNN)，其主要特点是将输入输出前一步状态信息作为神经网络隐含层 神经元的一部分输入，使网络的学习速度得到提高。详细讨论了SDID鼢州的 学习过程及学习算法的收敛性，并通过与其他几种常用的网络比较，说明了该 网络在学习速度上的优越性。 其次，利用SDIDRNN解决了机器人的控制问题。基于机器人运动学方程和 动力学方程，以SDIDI心JN作为神经网络控制器，分别设计了两种机器人控制 结构来解决机器人的轨迹跟踪控制。根据仿真结果分析了神经网络控制器在系 统中的作用，指出了只采用PD控制器时系统的局限性；另外，为解决传统PID 控制器参数无法在线整定的问题，将神经网络与PID控制器结合起来，利用神 经网络在线调整P1D控制器的参数，提高了系统的应变能力。对双臂共同操作 一刚性物体进行仿真，设计了主、从