基于神经网络的机器人运动模型辨识及实验验证

• 作者: 姜春福 李庆翠 李萍
• 来源期刊: 应用基础与工程科学学报
• 学科: 工学
• 关键词: 神经网络 机器人 辨识
• 年，卷（期）: 2006,（1）
• 页码范围: 144-151
• 页数: 8页
• 分类号: TP24
• 字数: 2954字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-0930.2006.01.019

摘要

为提高机器人模型辨识时神经网络的学习速度,改进得到一种新的神经网络拓扑结构--状态延迟输入动态递归神经网络.以德国PowerCubeTM模块化机器人为研究对象,将机器入关节位置信息和OPTOTRAK 3020三维运动测量系统测得的机器人末端位置信息作为神经网络的学习样本,对包含各种影响因素的机器人运动模型进行了辨识.并以此模型为基础,输入验证样本进行验证,所得结果及误差分析说明了该神经网络在学习能力上的优越性及辨识模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李萍		53	116	6.0	8.0
2	姜春福		4	17	2.0	4.0
3	李庆翠	北京工业大学实验学院	2	9	1.0	2.0