elm在機(jī)器人建模與控制中的應(yīng)用研究

《elm在機(jī)器人建模與控制中的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、中圖分類號(hào)：TP183密級(jí)：公開UDC：本校編號(hào)：碩士學(xué)位論文論文題目：ELM在機(jī)器人建模與控制中的應(yīng)用研究研究生姓名：羅仲夢學(xué)號(hào)：0211447學(xué)校指導(dǎo)教師姓名：李軍職稱：教授申請(qǐng)學(xué)位等級(jí)：工學(xué)碩士學(xué)位專業(yè)：控制理論與控制工程論文提交日期：2014.6.12論文答辯日期：2014.6.7萬方數(shù)據(jù)碩士學(xué)位論文ELM在機(jī)器人建模與控制中的應(yīng)用研究ResearchonApplicationofELMinModelingandControlofRobots作者姓名：羅仲夢學(xué)科、專業(yè)：控制理論與控制工程學(xué)號(hào)：0211447指導(dǎo)教師：李軍

2、教授完成日期：2014年4月22日蘭州交通大學(xué)LanzhouJiaotongUniversity萬方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究成果，除了文中特別加以標(biāo)注和致謝之處外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含獲得蘭州交通大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。學(xué)位論文作者簽名：簽字日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解蘭州交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。

3、特授權(quán)蘭州交通大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編以供查閱和借閱。同意學(xué)校向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤。（保密的學(xué)位論文在解密后適用本授權(quán)說明）學(xué)位論文作者簽名：導(dǎo)師簽名：簽字日期：年月日簽字日期：年月日萬方數(shù)據(jù)蘭州交通大學(xué)碩士學(xué)位論文摘要機(jī)器人的建模與控制一直作為機(jī)器人研究中最重要的領(lǐng)域之一，工業(yè)、學(xué)術(shù)等各界都給予了高度重視。機(jī)器人的發(fā)展主要是控制技術(shù)的提升，機(jī)器人系統(tǒng)存在著非線性、強(qiáng)耦合、時(shí)變及其存在多種非確定因素的特點(diǎn)，很難對(duì)其建立精確的機(jī)理模型

4、。NN(NeuralNetworks,神經(jīng)網(wǎng)絡(luò))因其不依賴控制對(duì)象精確的數(shù)學(xué)模型的優(yōu)良特性作為一種非線性系統(tǒng)辨識(shí)與控制方法，已經(jīng)得到廣泛的應(yīng)用。ELM(ExtremeLearningMachine,極限學(xué)習(xí)機(jī))是近年提出的一種新型SLFN(Single-hiddenLayerFeedforwardNeural,單隱層前饋神經(jīng)網(wǎng)絡(luò))，以其獨(dú)特的網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練算法具有極快的訓(xùn)練學(xué)習(xí)速度（比傳統(tǒng)網(wǎng)絡(luò)提高數(shù)千倍），有很強(qiáng)的逼近能力（若隱層節(jié)點(diǎn)足夠多的時(shí)候可以逼近零誤差），而且克服了傳統(tǒng)網(wǎng)絡(luò)訓(xùn)練算法復(fù)雜，容易陷入局部極小等問題，ELM網(wǎng)絡(luò)可

5、以很容易解決上述問題。將ELM網(wǎng)絡(luò)應(yīng)用到非線性系統(tǒng)的辨識(shí)與過程中，與傳統(tǒng)的方法進(jìn)行比較，實(shí)驗(yàn)仿真表明了該方法的有效性與實(shí)用性。本文研究內(nèi)容包括如下幾個(gè)方面：(1)對(duì)ELM網(wǎng)絡(luò)的基本特性及學(xué)習(xí)算法進(jìn)行了深入分析，給出了其離線及基于RLS(RecursiveLeastSquare,遞推最小二乘)法的OS-ELM(OnlineSequentialExtremeLearningMachine,在線極限學(xué)習(xí)機(jī))學(xué)習(xí)算法，研究了復(fù)雜的機(jī)器人拉格朗日動(dòng)力學(xué)的數(shù)學(xué)模型分析和推導(dǎo)。(2)研究了包括NARMA(NonliearAutoRegress

6、iveMovingAverage,非線性自回歸滑動(dòng)平均)系統(tǒng)、多維非線性系統(tǒng)、液壓驅(qū)動(dòng)機(jī)器人臂、高爾夫機(jī)器人和7自由度SARCOS擬人機(jī)器人臂等系統(tǒng)辨識(shí)中的應(yīng)用，針對(duì)所研究的系統(tǒng)存在單輸入單輸出、多輸入多輸出對(duì)ELM網(wǎng)絡(luò)做了不同辨識(shí)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)。實(shí)驗(yàn)結(jié)果表明，在相同條件下，與RBF(RadialBasisFunction,徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)及SVM(SupportVectorMachines,支持向量機(jī))等方法比較，ELM網(wǎng)絡(luò)不僅具有快速穩(wěn)定的學(xué)習(xí)速度，而且辨識(shí)精確度也很高。(3)研究了ELM網(wǎng)絡(luò)在控制中的應(yīng)用。首先針對(duì)一個(gè)典

7、型非線性系統(tǒng)進(jìn)行軌跡跟蹤控制；而后基于ELM網(wǎng)絡(luò)設(shè)計(jì)了一個(gè)單機(jī)械臂的補(bǔ)償控制器，用網(wǎng)絡(luò)補(bǔ)償實(shí)現(xiàn)位置跟蹤；最后基于ELM在二自由度機(jī)械手軌跡跟蹤控制中的應(yīng)用，利用機(jī)械手不確定部分的逆模型設(shè)計(jì)了ELM控制器。實(shí)驗(yàn)仿真結(jié)果表明，與其他方法相比能夠得到很小控制誤差，軌跡跟蹤效果非常好。關(guān)鍵詞：極限學(xué)習(xí)機(jī)；機(jī)器人；辨識(shí)；控制；非線性系統(tǒng)論文類型：應(yīng)用基礎(chǔ)研究-I-萬方數(shù)據(jù)ELM在機(jī)器人建模與控制中的應(yīng)用研究AbstractModelingandcontrolsystemisoneofthemostimportantresearchfiel

8、dsofrobotics,whichtheindustry,academicandotherspaidmoreattentionto.Thedevelopmentofrobotsmainlydependsonthehighlevelofthecontroltec