基于高阶CMAC网络的机器人自学习控制器

摘要：

提出了将CMAC网络与PD控制器相结合的机器人在线自学习控制器,通过引入高阶网络的概念,采用简单的叠加处理法将多维输入空间的CMAC神经网络化为多个一维输入子网络,从而简化系统的网络结构.同时对进行叠加的一维输入CMAC网络选取不同的学习步长,提高了学习的收敛速度和模型的逼近能力.计算机仿真结果表明,所提出的新型机器人自学习控制器具有很好的控制性能.

关键词：CMAC网络、机器人控制、自学习、叠加处理法、高阶神经网络

所属期刊栏目：18

分类号：TP17;TP242(自动化基础理论)

资助基金：国家自然科学基金69975003;湖南省自然科学基金98JJY2044

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33