排序方式: 共有25条查询结果,搜索用时 171 毫秒
1.
针对不稳定、非线性、强耦合的两轮自平衡机器人系统,运用牛顿力学方法建立了转向运动的数学模型.介绍了用模糊控制进行PID参数整定的原理和方法,并用该方法实现对两轮自平衡机器人系统的控制.仿真结果和实际应用均表明,该方法能使系统有更好的快速性和稳定性. 相似文献
2.
3.
针对仿生机器蛇的行波运动控制,分析了其运动机理,在移动机器人仿真软件Webots中建立了其三维虚拟运动模型;基于机器蛇的行波运动控制函数,采用建立的三维虚拟模型对实现行波运动的控制参数进行了分析和实验验证,得到了控制参数与行波运动形状之间的关系;机器蛇行波运动控制的实验结果表明,基于上述分析的控制参数对机器蛇运动形状影响的结论,可以实现机器蛇任意期望形状的行波运动控制,并且具有较快的收敛速度。 相似文献
4.
5.
6.
7.
针对仿生自主学习系统的自组织和泛化能力问题,基于Skinner操作条件反射原理和模糊聚类算法设计了动态FOCPA(fuzzy operant conditioning probabilistic automaton)仿生自主学习系统。动态FOCPA学习系统不仅具有仿生的自学习和自组织能力,而且提高了学习的精度和速度。其在仅能获得环境微弱反馈信息的前提下,首先采用在线聚类的方法实现对输入空间的灵活划分,以确保映射规则的数目是最经济的;然后以取向值为评价信号,采用OC学习算法,在线自主学习输入状态到输出操作行为的最佳映射,并加入一个高斯噪声项对映射结果进行实时优化。此外,动态FOCPA学习系统还利用信息熵的评价能力,来验证自身的自学习和自组织能力。理论上分析了设计的OC学习算法的收敛性;通过对两轮柔性直立式机器人姿态平衡控制和速度控制的实验分析,验证了动态FOCPA学习系统的有效性。 相似文献
8.
A neural network control scheme with mixed H2/H∞ performance was proposed for robot force/posi-tion control under parameter uncertainties and external disturbances. The mixed H2/H∞ tracking performance ensures both robust stability under a prescribed attenuation level for external disturbance and H2optimal track-ing. The neural network was introduced to adaptively estimate nonlinear uncertainties, improving the system' s performance under parameter uncertainties as well as obtaining the H2/H∞ tracking performance. The simulation shows that the control method performs better even when the system is under large modeling uncertainties and external disturbances. 相似文献
9.
基于强化学习规则的两轮机器人自平衡控制 总被引:1,自引:0,他引:1
两轮机器人是一个典型的不稳定,非线性,强耦合的自平衡系统,在两轮机器人系统模型未知和没有先验经验的条件下,将强化学习算法和模糊神经网络有效结合,保证了函数逼近的快速性和收敛性,成功地实现两轮机器人的自学习平衡控制,并解决了两轮机器人连续状态空间和动作空间的强化学习问题;仿真和实验表明:该方法不仅在很短的时间内成功地完成对两轮机器人的平衡控制,而且在两轮机器人参数变化较大时,仍能维持两轮机器人的平衡。 相似文献
10.
采用Lagrange建模方法建立了欠驱动柔性自平衡机器人的数学模型,对柔性关节部分考虑了其弹性势能,仿真验证了模型的正确性,刚度越大,机器人上半身角度跟踪越快.采用线性二次型最优控制有效地控制了柔性机器人的平衡问题,通过实验,验证了在状态不完全可观测情况下系统的可控性,实验表明,只需机器人上半身部分安装传感器即可控制机器人达到平衡状态.对机器人结构的设计提供了参考. 相似文献