10.3969/j.issn.1672-7029.2000.03.007
基于高阶CMAC网络的机器人自学习控制器
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.
CMAC网络、机器人控制、自学习、叠加处理法、高阶神经网络
18
TP17;TP242(自动化基础理论)
国家自然科学基金69975003;湖南省自然科学基金98JJY2044
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
29-33