2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于状态延迟动态递归神经网络的机器人动态自适应跟踪辨识

姜春福 余跃庆

姜春福, 余跃庆. 基于状态延迟动态递归神经网络的机器人动态自适应跟踪辨识. 自动化学报, 2003, 29(5): 741-747.
引用本文: 姜春福, 余跃庆. 基于状态延迟动态递归神经网络的机器人动态自适应跟踪辨识. 自动化学报, 2003, 29(5): 741-747.
JIANG Chun-Fu, YU Yue-Qing. SDIDRNN Based Dynamical Adaptive Tracking Identification of Robot Manipulators. ACTA AUTOMATICA SINICA, 2003, 29(5): 741-747.
Citation: JIANG Chun-Fu, YU Yue-Qing. SDIDRNN Based Dynamical Adaptive Tracking Identification of Robot Manipulators. ACTA AUTOMATICA SINICA, 2003, 29(5): 741-747.

基于状态延迟动态递归神经网络的机器人动态自适应跟踪辨识

详细信息
    通讯作者:

    姜春福

  • 中图分类号: TP24

SDIDRNN Based Dynamical Adaptive Tracking Identification of Robot Manipulators

More Information
    Corresponding author: JIANG Chun-Fu
  • 摘要: 对一种在Elman动态递归网络基础上发展而来的复合输入动态递归网络(CIDRNN)作 了改进,提出一种新的动态递归神经网络结构,称为状态延迟动态递归神经网络(State Delay Input Dynamical Recurrent Neural Network).具有这种新的拓扑结构和学习规则的动态递归网 络,不仅明确了各权值矩阵的意义,而且使权值的训练过程更为简洁,意义更为明确.仿真实验 表明,这种结构的网络由于增加了网络输入输出的前一步信息,提高了收敛速度,增强了实时 控制的可能性.然后将该网络用于机器人未知非线性动力学的辨识中,使用辨识实际输出与机理 模型输出之间的偏差,来识别机理模型或简化模型所丢失的信息,既利用了机器人现有的建模 方法,又可以减小网络运算量,提高辨识速度.仿真结果表明了这种改进的有效性.
  • 加载中
计量
  • 文章访问数:  1592
  • HTML全文浏览量:  69
  • PDF下载量:  994
  • 被引次数: 0
出版历程
  • 收稿日期:  2002-01-28
  • 刊出日期:  2003-05-20

目录

    /

    返回文章
    返回