基于状态延迟动态递归神经网络的机器人动态自适应跟踪辨识

摘要：

对一种在Elman动态递归网络基础上发展而来的复合输入动态递归网络(CIDRNN)作了改进,提出一种新的动态递归神经网络结构,称为状态延迟动态递归神经网络(State DelayInput Dynamical Recurrent Neural Network).具有这种新的拓扑结构和学习规则的动态递归网络,不仅明确了各权值矩阵的意义,而且使权值的训练过程更为简洁,意义更为明确.仿真实验表明,这种结构的网络由于增加了网络输入输出的前一步信息,提高了收敛速度,增强了实时控制的可能性.然后将该网络用于机器人未知非线性动力学的辨识中,使用辨识实际输出与机理模型输出之间的偏差,来识别机理模型或简化模型所丢失的信息,既利用了机器人现有的建模方法,又可以减小网络运算量,提高辨识速度.仿真结果表明了这种改进的有效性.

关键词：动态递归网络、跟踪辨识、机器人

所属期刊栏目：29

分类号：TP24(自动化技术及设备)

资助基金：国家自然科学基金3012003

在线出版日期：2004-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：741-747