排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
针对非线性机械臂系统中难以权衡控制能量与控制误差比重的最优控制问题,本文提出一种基于自适应径向基函数(RBF)神经网络二阶段叠加优化的双二次泛函最优求解模型,实现在非线性机械臂控制系统中用不大的控制能量来保持较小的控制误差的综合最优控制.在本文所提模型中,首先设计一种线性误差函数,作用于非线性控制方程,并采用自适应RBF网络逼近非线性控制方程中存在的不确定项,构成闭环反馈系统,实现对非线性系统的最优控制;其次,将待求参数复合成双二次泛函的解域,并设计一种新型的类递归神经网络求解该带约束条件的双二次型模型,实现模型求解的快速收敛并得其解.通过理论分析及数值仿真实例验证了所提模型能有效提高非线性系统的控制精度、稳定性、鲁棒性及自适应性,从而实现非线性系统的综合最优控制. 相似文献
2.
针对机器人未知环境下信号源搜寻依赖于多机器人协同定位问题,提出一种基于天牛须搜索的单机器人寻源算法,进行未知环境下无线基站搜索.将天牛须搜索的两个触角改进为一个触角,引入避障策略,动态改变机器人的移动位置和方向,将所提算法应用于单机器人室内与室外两种环境下的无线基站搜索.与PSO、GA算法对比结果表明,收敛速度明显更快.该算法运算量小、收敛速度快,能够在复杂的未知环境中找到无线信号源. 相似文献
1