基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统的求逆运动学方法相当复杂以及一般的神经网络收敛速度慢、精度不高的缺陷,提出一种由1个RBF(Radial Basis Function)网络和2个BP(Back Propagation)网络组成的系统来解决运动学逆问题,输入数据分别通过3个并行的神经网络,对输出分别求正运动学解,计算误差,选择误差最小的作为系统的输出,其中BP网络运用LM(Levenberg-Marquardt)方法进行训练.仿真表明:该方法可以有效的解决运动学逆问题,避免了传统解法中的一些棘手问题.
推荐文章
基于PSO优化BP神经网络的逆运动学求解研究
BP神经网络
PSO算法
逆运动学求解
机器人
基于神经网络的机器人的逆运动学分析
BP神经网络
六自由度
机器人
逆运动学
基于三个并行BP神经网络的机器人逆运动学求解
机器人
逆运动学
神经网络
LM算法
基于MATLAB的6R机器人逆运动学求解分析
6R机器人
逆运动学
反变换法
最短行程
关节运动同向
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于RBF和BP网络的机器人逆运动学求解
来源期刊 广西工学院学报 学科 工学
关键词 机器人 逆运动学 神经网络 LM算法 RBF网络
年,卷(期) 2012,(1) 所属期刊栏目
研究方向 页码范围 28-33
页数 6页 分类号 TP24
字数 3641字 语种 中文
DOI 10.3969/j.issn.1004-6410.2012.01.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李春贵 广西工学院计算机工程系 56 539 13.0 21.0
2 臧庆凯 广西工学院电子信息与控制工程系 5 61 4.0 5.0
3 钟宛余 广西工学院电子信息与控制工程系 5 45 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (54)
参考文献  (7)
节点文献
引证文献  (6)
同被引文献  (30)
二级引证文献  (14)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(5)
  • 引证文献(4)
  • 二级引证文献(1)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(7)
  • 引证文献(0)
  • 二级引证文献(7)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
机器人
逆运动学
神经网络
LM算法
RBF网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
广西科技大学学报
季刊
1004-6410
45-1395/T
大16开
广西柳州市东环路268号
1990
chi
出版文献量(篇)
1943
总下载数(次)
0
总被引数(次)
7654
论文1v1指导