期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
求解时变二次规划的自适应参数归零神经网络
1
作者 曾旭翔 孔颖 《浙江科技大学学报》 CAS 2024年第5期384-393,共10页
【目的】针对时变二次规划(time-varying quadratic programming,TVQP)中的时变参数求解问题,提出了一种自适应参数归零神经网络(adaptive parameter zeroing neural network,APZNN)模型。【方法】首先,在归零神经网络(zeroing neural n... 【目的】针对时变二次规划(time-varying quadratic programming,TVQP)中的时变参数求解问题,提出了一种自适应参数归零神经网络(adaptive parameter zeroing neural network,APZNN)模型。【方法】首先,在归零神经网络(zeroing neural network,ZNN)模型的基础上引入一种基于误差的自适应参数及增强型双幂(enhanced sign-bi-power,ESBP)激活函数,从而提出了APZNN模型;然后,利用李雅普诺夫定理分析了APZNN模型的稳定性,预设时间收敛性和鲁棒性;最后,通过仿真试验以验证APZNN模型的有效性。【结果】在求解时变二次规划问题时,APZNN模型相比ZNN模型和时变参数归零神经网络(time-varying parameters zeroing neural network,TVPZNN)模型,具有更快的收敛速度和更强的鲁棒性,其误差函数能在0.2 s内收敛到0;得益于自适应参数的引入,APZNN模型在仿真试验中的计算时间较TVPZNN模型减少了16.6 s,节省了计算资源。此外,将APZNN模型应用于UR5机械臂轨迹跟踪试验中,机械臂的末端执行器可以很好地跟踪期望的路径,末端执行器的位置误差被限制在-1.5×10^(-4) m和1.5×10^(-4) m之间,这进一步说明模型的可行性。【结论】本研究提出的APZNN模型能够有效地求解时变二次规划问题,可为神经网络模型设计提供参考。 展开更多
关键词 归零神经网络 时变二次规划 自适应参数 预设时间
下载PDF
用于线性噪声时变凸二次规划的归零神经网络 被引量：1
2
作者 李建锋 刘哲宇 +5 位作者 荣洋 李展 廖柏林 屈林曦 刘志杰 林琨煌 《通信学报》 EI CSCD 北大核心 2023年第4期226-233,共8页
针对线性噪声可能会对现有的归零神经网络(ZNN)模型求解时变二次规划(TVQP)问题产生负面影响,从而导致模型收敛缓慢、准确率降低的问题,提出了一种双重积分增强ZNN(DIEZNN)模型。为了解决线性噪声的干扰,在ZNN原有公式基础上引入双重积... 针对线性噪声可能会对现有的归零神经网络(ZNN)模型求解时变二次规划(TVQP)问题产生负面影响,从而导致模型收敛缓慢、准确率降低的问题,提出了一种双重积分增强ZNN(DIEZNN)模型。为了解决线性噪声的干扰,在ZNN原有公式基础上引入双重积分,设计了一个激活函数去除线性噪声的影响。理论分析证实了DIEZNN模型具有收敛性和良好的噪声抑制能力。实验结果表明,与传统的梯度神经网络和其他变量ZNN模型相比,DIEZNN模型收敛更快、精度更高,并且能够有效地解决线性噪声的影响。 展开更多
关键词 归零神经网络 时变二次规划 线性约束 噪声干扰
下载PDF
五步离散归零神经网络算法求解时变二次规划问题
3
作者 张韵 孙中波 +1 位作者 李岩 刘克平 《长春工业大学学报》 CAS 2020年第5期442-446,共5页
进行了五步离散归零神经网络算法的稳定性分析,证明了其收敛阶为O(τ4)。针对二连杆机械臂轨迹生成问题,设计了五步离散归零神经网络控制器,与欧拉离散归零神经网络控制器进行了对比实验研究。
关键词 时变二次规划 归零神经网络 离散时间 稳定性
下载PDF
仿人机器人实时动作模仿的最优控制策略 被引量：1
4
作者 韩可 李世其 +1 位作者 周雨玫 熊友军 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第11期1-8,共8页
为实现仿人机器人对人类上肢动作的高相似模仿,提出了基于递归神经网络(RNN)的拟人机械臂实时控制算法.首先,将动作模仿转化为对腕部和肘部双演示轨迹的同步跟踪问题.为了协调双轨迹跟踪过程中的潜在冲突及关节极限,采用最优控制技术将... 为实现仿人机器人对人类上肢动作的高相似模仿,提出了基于递归神经网络(RNN)的拟人机械臂实时控制算法.首先,将动作模仿转化为对腕部和肘部双演示轨迹的同步跟踪问题.为了协调双轨迹跟踪过程中的潜在冲突及关节极限,采用最优控制技术将该问题构造为一个时变凸二次规划(QP)问题.机械臂的关节位置极限和速度极限以不等式约束形式加入到优化问题中.然后,设计了递归神经网络SWET-RNN,对该QP问题进行实时化求解.理论证明了SWET-RNN的全局收敛性和稳定性,其能够在有限时间内收敛到所述QP问题的最优解.最后,真机实验表明:部署了SWET-RNN算法的动作模仿控制器对腕部目标轨迹的平均跟踪误差为6.5 mm,肘部平均跟踪误差为7.3 mm,单次调用平均耗时仅为0.126 ms;仿人机器人能够在不超越自身物理能力限制的前提下,对演示动作进行高精度、低延迟的模仿. 展开更多
关键词 仿人机器人 人类动作模仿 最优控制 时变凸二次规划 递归神经网络(RNN)
原文传递
基于递归型神经网络动力学求解时变凸二次规划
5
作者 廖伍代 周军 《运筹学学报》 CSCD 北大核心 2023年第1期103-114,共12页
为了在线求解时变凸二次规划问题,实现误差精度更高、求解时间更短和收敛速度更快的目标。本文采用了求解问题更快的时变网络设计参数,选择了有限时间可以收敛的Sign-bi-power激活函数,构造了一种改进的归零神经网络动力学模型。其后,... 为了在线求解时变凸二次规划问题,实现误差精度更高、求解时间更短和收敛速度更快的目标。本文采用了求解问题更快的时变网络设计参数,选择了有限时间可以收敛的Sign-bi-power激活函数,构造了一种改进的归零神经网络动力学模型。其后,分析了模型的稳定性和收敛性,得到其解能够在有限时间内收敛。最后,在仿真算例中,与传统的梯度神经网络和归零神经网络模型相比,所提模型具有更高的误差精度、更短的求解时间和更快的收敛速度,优于前两种网络模型。 展开更多
关键词 时变凸二次规划 改进的归零动力学模型 Sign-bi-power
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部