典型文献
基于在线学习的柔性关节机器人自适应神经轨迹跟踪控制
文献摘要：
针对传统机器人关节控制算法跟踪精度低、鲁棒性差的缺点,基于自适应神经网络提出了一种机器人关节轨迹跟踪算法.算法由自适应神经网络和在线学习反馈模块组成,自适应神经网络将自适应函数同神经网络结合,提高了神经网络训练准确性.同时通过在线学习反馈模块实时更新非线性基函数的内部权值,以进一步减小跟踪误差.再采用时间尺度分离减少了神经网络和在线学习的耦合误差,使得内部权重低于输出层权重的更新速度,从而使模型结构能够迅速适应未知的动态变化与干扰.仿真实验表明,所提算法与对比算法相比误差值要低约60％,说明了该算法可以提高机器人轨迹跟踪精度,降低误差.
文献关键词：
在线学习;柔性机器人;多层神经网络;控制结构;轨迹跟踪
中图分类号：
作者姓名：
周荣亚;刘刚;徐艳华
作者机构：
陕西铁路工程职业技术学院铁道装备制造学院,陕西 渭南 714000;西安理工大学材料科学与工程学院,陕西 西安 710048
文献出处：
引用格式：
[1]周荣亚;刘刚;徐艳华-.基于在线学习的柔性关节机器人自适应神经轨迹跟踪控制)[J].机械设计与制造工程,2022(08):45-49
A类：
B类：
在线学习,柔性关节,关节机器人,轨迹跟踪控制,机器人关节,控制算法,自适应神经网络,轨迹跟踪算法,学习反馈,神经网络训练,实时更新,基函数,权值,跟踪误差,时间尺度,尺度分离,出层,模型结构,对比算法,误差值,机器人轨迹,轨迹跟踪精度,降低误差,柔性机器人,多层神经网络,控制结构
AB值：
0.380219
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
