10.3969/j.issn.1007-449X.2012.05.015
水下机器人的动态Petri递归神经网络控制方法
针对传统的水下机器人模糊神经网络控制器存在计算量大、抗环境扰动滞后等缺点,设计递归模糊神经网络控制器,通过在线的动态反馈增强水下机器人对环境变化的反应能力.并在网络的第三层即Petri层设计阈值,根据控制器误差的在线控制网络的学习和训练量,从而减少了模糊神经网络的计算量,提高反应速度.基于反向梯度传播原理,由能量函数设计了该网络的学习算法,并根据离散型李亚普诺夫函数确定了学习率参数,从而保证整个网络的收敛性.实验结果表明,该控制器能够提高递归神经网络的计算效率,减少控制误差,对外界干扰具有较强的鲁棒性,在水下机器人的控制方面取得了更好的效果.
水下机器人、动态控制、Petri网、递归神经网络、模糊神经网络
16
TP24(自动化技术及设备)
国家863计划资助项目2008AA092301-2;海洋工程国家重点实验室上海交通大学开放课题资助1102
2012-07-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
91-96