x6132型萬能升降臺(tái)銑床床身設(shè)計(jì)外文翻譯譯文

《x6132型萬能升降臺(tái)銑床床身設(shè)計(jì)外文翻譯譯文》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、提高人工神經(jīng)網(wǎng)絡(luò)的精度偏移誤差補(bǔ)償方法用于精密機(jī)械的位置控制Y.F.Lou*andP.Brunn制造部，機(jī)械工程學(xué)院，曼徹斯特理工大學(xué)，曼徹斯特，英國人工神經(jīng)網(wǎng)絡(luò)（神經(jīng)網(wǎng)絡(luò)）最近已成為在許多領(lǐng)域，包括機(jī)器人控制，在那里他們可以作為一個(gè)非線性模型的普通班，以解決高度非線性控制問題相當(dāng)關(guān)注的焦點(diǎn)。前饋神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于建模和控制的目的。在機(jī)器人控制的人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用之一是逆運(yùn)動(dòng)學(xué)問題，這是在機(jī)器人路徑規(guī)劃的重要解決方案。本文提出了一種迭代的方法和偏移誤差補(bǔ)償方法，以提高使用人工神經(jīng)網(wǎng)絡(luò)和機(jī)器人運(yùn)動(dòng)

2、學(xué)模型的逆運(yùn)動(dòng)學(xué)解的準(zhǔn)確性。偏移誤差補(bǔ)償方法提供了可能產(chǎn)生準(zhǔn)確的逆解一類的問題，有一個(gè)很容易獲得的正向模型和復(fù)雜的解決方案。關(guān)鍵詞：精度;神經(jīng)網(wǎng)絡(luò)控制;機(jī)器人1.引言函數(shù)逼近技術(shù)經(jīng)常被用來找到一個(gè)輸入輸出的對(duì)應(yīng)關(guān)系，從一個(gè)給定的數(shù)據(jù)集來表示原有的功能。函數(shù)逼近的最常用的方法之一是線性擬合技術(shù)。然而，當(dāng)函數(shù)是非線性的，只是一個(gè)粗略的估計(jì)，在給定的所有數(shù)據(jù)結(jié)果的線性擬合。近年來，人工神經(jīng)網(wǎng)絡(luò)技術(shù)已被用來作為一種快速，因?yàn)樗軌驅(qū)W習(xí)從一組數(shù)據(jù)和人工神經(jīng)網(wǎng)絡(luò)的并行體系結(jié)構(gòu)的非線性擬合工具。它已被證明，多層

3、前饋反向傳播神經(jīng)網(wǎng)絡(luò)（BP）學(xué)習(xí)算法可以逼近任何連續(xù)的多元函數(shù)的任意精度的期望程度，只要有足夠多的隱層神經(jīng)元[1-3]。近似的高度非線性函數(shù)的人工神經(jīng)網(wǎng)絡(luò)的能力已被廣泛應(yīng)用于各種應(yīng)用，如模式識(shí)別，機(jī)器人控制，圖像處理等，特別是利用神經(jīng)網(wǎng)絡(luò)控制應(yīng)用最近經(jīng)歷了快速增長(zhǎng)。各種控制策略已建議采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)[4-6]。后面的神經(jīng)網(wǎng)絡(luò)控制的想法是使用人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)的特點(diǎn)逼近，然后用它來產(chǎn)生相應(yīng)的控制信號(hào)。在實(shí)際的機(jī)器人控制應(yīng)用人工神經(jīng)網(wǎng)絡(luò)可以提供系統(tǒng)識(shí)別工具，包括遠(yuǎn)期植物識(shí)別和逆植物鑒定[4]。雖

4、然人工神經(jīng)網(wǎng)絡(luò)適用于機(jī)器人控制問題的解決方案，事實(shí)上，神經(jīng)控制器其職能是特定的的，主要是提供解決方案，機(jī)器人手臂的運(yùn)動(dòng)問題。自1987年以來，許多研究論文已發(fā)表建議機(jī)器人運(yùn)動(dòng)學(xué)問題，利用人工神經(jīng)網(wǎng)絡(luò)，基本上函數(shù)逼近問題的解決方案[7-9]。大多數(shù)論文采用BP神經(jīng)網(wǎng)絡(luò)來逼近復(fù)雜的逆運(yùn)動(dòng)學(xué)解。然而，這些神經(jīng)網(wǎng)絡(luò)解決方案的準(zhǔn)確度比較差時(shí)，可比的解析解的對(duì)比。影響的BP人工神經(jīng)網(wǎng)絡(luò)的精度性能的因素之一是存在的局部極小。這是很難選擇的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)，如學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)的速度和勢(shì)頭，從這些地方的最低逃脫。因

5、此，這些逆運(yùn)動(dòng)學(xué)問題的人工神經(jīng)網(wǎng)絡(luò)解決方案不能滿足實(shí)際需要精度高，性能的機(jī)器人應(yīng)用的要求。本文提出了一種混合策略，迭代方法和偏移誤差補(bǔ)償方法，提高逆用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決方案的準(zhǔn)確性。迭代的方法，采用容易獲得的分析提出解決方案，和BP神經(jīng)網(wǎng)絡(luò)計(jì)算在復(fù)雜逆解的增量變化。被發(fā)現(xiàn)的一個(gè)主要因素，失調(diào)誤差，居住在BP神經(jīng)網(wǎng)絡(luò)。建議方法的偏移誤差補(bǔ)償?shù)囊腼@著提高水平的逆運(yùn)動(dòng)學(xué)解的精度，它可以用于實(shí)際機(jī)器人。偏移誤差補(bǔ)償方法也可以擴(kuò)展到解決一類問題的一般。之類的問題，可以作為一個(gè)問題提出的解決方案是很容易獲

6、得的類別劃分，但逆解時(shí)間耗費(fèi)來計(jì)算，或者即使沒有逆解的解析表達(dá)式存在。逆問題，因此，可以準(zhǔn)確地稱為正向模型相結(jié)合的解決，一個(gè)迭代的BP神經(jīng)網(wǎng)絡(luò)和使用的偏移誤差補(bǔ)償方法。以下各節(jié)描述了通過使用偏移誤差補(bǔ)償方法解決機(jī)器人逆運(yùn)動(dòng)學(xué)問題的過程。第2部分介紹了BP神經(jīng)網(wǎng)絡(luò)，這是在本文用于網(wǎng)絡(luò)培訓(xùn)。第3節(jié)介紹了在機(jī)器人逆運(yùn)動(dòng)學(xué)兩手臂鏈接的問題，這是這一類問題的代表領(lǐng)域的重要問題。在第4節(jié)，混合策略，提出的具體問題。BP神經(jīng)網(wǎng)絡(luò)模型內(nèi)，訓(xùn)練使用的是內(nèi)置的機(jī)器人手臂上的增量信息的數(shù)據(jù)集。的一個(gè)重要因素，失調(diào)誤差，

7、引入的迭代戰(zhàn)略。在第5節(jié)描述的方法上的偏移誤差的影響。最后，總結(jié)提出了在第6節(jié)。2．BP學(xué)習(xí)算法被稱為廣義的增量學(xué)習(xí)算法訓(xùn)練前饋多層神經(jīng)網(wǎng)絡(luò)作為BP神經(jīng)網(wǎng)絡(luò)[10]。BP網(wǎng)絡(luò)（例如圖1所示）是目前最流行的一個(gè)廣泛的應(yīng)用。BP學(xué)習(xí)算法系統(tǒng)修改的突觸權(quán)重（WN），使網(wǎng)絡(luò)的響應(yīng)越來越接近預(yù)期的產(chǎn)出。雖然BP人工神經(jīng)網(wǎng)絡(luò)是接收從研究人員的重視，仍然是有沒有構(gòu)造最優(yōu)的BP神經(jīng)網(wǎng)絡(luò)的一般過程。圖1一個(gè)典型的人工神經(jīng)網(wǎng)絡(luò)的一個(gè)隱藏層該網(wǎng)絡(luò)由輸入層，輸出層，至少有一個(gè)非線性處理單元層。正常的學(xué)習(xí)算法，最大限度地減

8、少遞歸的一套訓(xùn)練模式為基礎(chǔ)的一個(gè)預(yù)定義的錯(cuò)誤函數(shù)E。為特定的訓(xùn)練模式定義誤差函數(shù)的EPp是錯(cuò)誤的平方總和為所有輸出單位。~和運(yùn)算所需的輸出分別是第k個(gè)輸出單元的實(shí)際輸出。是一個(gè)常數(shù)，表示學(xué)習(xí)率。函數(shù)f稱為激活函數(shù)是可微的。一般在0到1之間不等，Sigmoid函數(shù)作為激活功能。然后可以得到如下[10,15]的公式來更新輸出層權(quán)和隱層的權(quán)重，減少誤差函數(shù)在EP的負(fù)梯度方向：一個(gè)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是一個(gè)兩階段的過程。在第一階段，人工神經(jīng)網(wǎng)絡(luò)的傳播通過每一層的輸入，輸出，直到產(chǎn)生。然后計(jì)算