排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
基于动态参数的移动机器人轨迹跟踪控制 总被引:1,自引:0,他引:1
针对移动机器人轨迹跟踪控制问题,建立了机器人运动学模型,设计了基于Lyapunov稳定理论的轨迹跟踪控制器,该控制器的性能取决于其参数的取值.采用人工神经网络来动态地调解参数的大小,使控制器获得最优的性能.粒子群优化算法具有收敛速度快,需要调节的参数少等优点,但优化过程中容易发生早熟收敛,使优化陷入局部极小值.通过引入模拟退火算法、交叉算子和变异算子,设计了一种改进的粒子群优化算法,对人工神经网络的参数进行优化计算.最后,仿真计算结果表明了该方法的有效性. 相似文献
3.
建立了机器人运动学模型,设计了基于Lyaponov稳定理论的轨迹跟踪控制器,该控制器的性能取决于其参数的大小。粒子群优化算法具有收敛速度快,需要调节的参数少等优点,但优化过程中容易发生“早熟”收敛,使优化陷入局部极小值。通过引入模拟退火算法、“交叉算子”和“变异算子”,提出了一种改进粒子群优化算法,对控制器的参数进行优化设计。最后,通过仿真计算,证明了该方法的有效性。 相似文献
4.
针对传统人工势场法对AGV(Automated Guided Vehicles)进行路径规划时,容易产生局部极小值的问题,提出了一种基于虚拟目标的人工势场路径规划方法.基本原理是AGV在行驶过程中,根据障碍的分布和目标的方位,动态地改变目标点的方位,即改变引力的方向,来避免引力和斥力的合力为零的情形发生,从而消除局部极小值产生的条件.设计了模糊逻辑控制器,用来预测合力为零的可能性.如果合力有可能为零,则计算为避免合力为零,目标方位的改变量.仿真结果表明,该方法能有效地解决局部极小值问题,为AGV规划出一条光滑的行驶路径. 相似文献
5.
分析了用人工神经网络模型描述环境时,采用Sigmoid函数作为神经网络作用函数的不足之处,提出采用双曲正切函数作为神经网络的作用函数,使网络更有利于路径优化算法的寻优计算。粒子群优化(Particle Swarm Optimization,PSO)算法具有收敛速度快,需要调节的参数少等优点,但优化过程中容易发生“早熟”收敛,使优化陷入局部极小值。通过引入模拟退火算法、“交叉算子”和“变异算子”,提出了一种新的改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)来解决AGV全局路径规划问题。仿真结果表明,IPSO具有很强的全局寻优能力,并且收敛速度比PSO快,能够为AGV规划出理想的路径。 相似文献
1