基于RBF神经网络的机械手自适应控制研究被引量：1

Research on to the Adaptive Control Technology for Manipulator to Be Based on RBF Neural Network

下载PDF

导出

摘要针对控制系统的不同性能要求,现有的PID控制算法等对机器人轨迹跟踪控制的控制精度不高,根据R BF神经网络的非线性映射能力及快速学习能力,提出了基于R BF神经网络的自适应控制算法,在机械手动力学模型的基础上利用MATLAB软件对该算法进行模拟仿真,仿真结果表明了该算法具有较高的轨迹跟踪控制精度,可以达到很好的控制效果。

作者陈兆鲁郑贺

机构地区长安大学道路施工技术与装备教育部重点实验室

出处《建设机械技术与管理》 2015年第4期84-87,共4页 Construction Machinery Technology & Management

关键词 RBF神经网络 PID控制自适应控制 MATLAB仿真

分类号 TP183 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献9

1谢新民,丁锋编著..自适应控制系统[M].北京:清华大学出版社,2002:224.
2Simon Haykin. Neural Network[M].北京:机械工业出版社,2004,256—443. 被引量：1
3Moody J, Darken C.Fast Learning in networks of locally-tuned processing units[J].NeuralComputati on,1989,1(1):281-294. 被引量：1
4魏海坤,徐嗣鑫,宋文忠,吴福保.最小RBF网设计的进化优选算法及其在动力配煤过程状态预测建模中的应用[J].中国电机工程学报,2001,21(1):63-67. 被引量：10
5李士勇编著..模糊控制·神经控制和智能控制论[M].哈尔滨:哈尔滨工业大学出版社,1998:658.
6王顺晃,舒迪前编著..智能控制系统及其应用[M].北京:机械工业出版社,1995:308.
7Mordecai Avriel (2003).Nonlinear Programming: Analysis and Methods. Dover Publishing. ISBN 0-486-43227-0. 被引量：1
8孙卫,樊晓光,李立.关于微分-代数系统的Runge-Kutta迭代方法的研究[J].工程数学学报,2005,22(6):1070-1074. 被引量：2
9Ge S S, Lee T H, Harris C J. Adaptive Neural Network Control If Robotic Manipulators. World Scientific, London, 1998. 被引量：1

二级参考文献9

1Chen S，IEEE Trans Neural Networks，1991年，2卷，2期，302页被引量：1
2Jackiewicz Z, Kwapisz M. Convergence of waveform relaxation methods for Differential-Algebraic Systems [J]. SIAM Journal of Numerical Analysis, 1996;6:2303-2317. 被引量：1
3Jiang Y L, Chen Richard M M, Wing O. Convergence analysis of waveform relaxation for nonlinear differential-algebraic equations of index one [J]. IEEE Trans on Circuits and Systems: Fundamental Theory and Applications, 2000;11:1639-1645. 被引量：1
4Lelarasmee E, Ruehli A E, Sangiovanni-Vincentellli A L. The waveform relaxation method for time-domain analysis of large scale integrated circuits[J]. IEEE Trans CAD IC System, 1982;1:131-145. 被引量：1
5Lie I, Skalin R. Relaxation-based integration by Runge-Kutta methods and its applications to the moving finite element method[A]. in: Computational Ordinary Differential Equations[C]. J R Cash, I Gladwell (eds.) 1992;357-368. 被引量：1
6Burrage K. Parallel and Sequential Methods for Ordinary Differential Equations[M]. Oxford: Clarendon Press, 1995. 被引量：1
7殷春根,周俊虎,骆仲泱,姚强,曹欣玉,汤龙华,吴晓蓉,岑可法.人工神经网络方法在优化动力配煤中的应用研究[J].煤炭学报,1997,22(4):343-348. 被引量：15
8王旭东,邵惠鹤.RBF神经网络理论及其在控制中的应用[J].信息与控制,1997,26(4):272-284. 被引量：175
9殷春根,骆仲泱,岑可法,姚强,周俊虎,倪明江.人工神经网络在配煤过程状态建模中的应用研究[J].工程热物理学报,1998,19(5):637-641. 被引量：10