共查询到19条相似文献,搜索用时 125 毫秒
1.
Q—学习及其在智能机器人局部路径规划中的应用研究 总被引:1,自引:1,他引:1
强化学习-词来自于行为心理学,这门学科把行为学习看成反复试验的过程,从而把环境状态映射成相应的动作。在设计智能机器人过程中,如何来实现行为主义的思想、在与环境的交互中学习行为动作?文中把机器人在未知环境中为躲避障碍所采取的动作看作一种行为,有杉强化学习方法来实现智能机器人避碰行为学习。Q-学习算法是类似于动态规划的一种强化学习方法,文中在介绍了Q-学习的基本算法之后,提出了具有竞争思想和自组织机制 相似文献
2.
Q-学习及其在智能机器人局部路径规划中的应用研究 总被引:9,自引:3,他引:6
强化学习一词来自于行为心理学,这门学科把行为学习看成反复试验的过程,从而把环境状态映射成相应的动作.在设计智能机器人过程中,如何来实现行为主义的思想、在与环境的交互中学习行为动作? 文中把机器人在未知环境中为躲避障碍所采取的动作看作一种行为,采用强化学习方法来实现智能机器人避碰行为学习.Q-学习算法是类似于动态规划的一种强化学习方法,文中在介绍了Q-学习的基本算法之后,提出了具有竞争思想和自组织机制的Q-学习神经网络学习算法;然后研究了该算法在智能机器人局部路径规划中的应用,在文中的最后给出了详细的仿真结果 相似文献
3.
移动机器人路径规划可分为两种类型:(1)全局路径规划;(2)局部路径规划。本文分析了Kohonen神经网络算法及其识别机理,提出了Kohonen神经网络和BP神经网络结合起来进行路径规划的方法,最后给出了具体的算法,探讨了在神经网络技术中引入学习机制的特点。 相似文献
4.
神经网络在移动机器人路径规划中的应用研究 总被引:1,自引:2,他引:1
移动机器人路径规划可分为两种类型(1)全局路径规划;(2)局部路径规划.本文分析了Kohonen神经网络算法及其识别机理,提出了Kohonen神经网络和BP神经网络结合起来进行路径规划的方法,最后给出了具体的算法,探讨了在神经网络技术中引入学习机制的特点. 相似文献
5.
机器人导航系统中的路径规划算法 总被引:1,自引:6,他引:1
导航系统是反映移动机器人自主特性与智能行为的关键问题之一,它所能完成的功能包括:环境的感知与识别、路径规划、路径跟踪、障碍回避等。路径规划是移动机器人导航技术中的重要组成部分,它是机器人执行各种任务的基础,而如何在动态时变环境中有效的实施路径规划是亟待解决的问题。本文综述了该领域研究的主要内容及其发展动态,在对一些较有代表性的研究思想及其相关算法分析的基础上,指出了存在的不足和有待进一步研究的问题,并提出了一些解决思路。 相似文献
6.
智能机器人视觉导航系统的研究 总被引:1,自引:0,他引:1
在已有的对智能机器人视觉导航系统的研究中,大多是在绝对坐标下进行的,由此导致规划路径的容错能力差,并且误判增多.采用上位计算机控制智能机器人下位单片机的控制系统方案,制定了一种有效的上位PC机中的分段路径导航策略,并给出了一种新型的直线斜率定义以及相对坐标定位法,由纵坐标和横坐标的相对位移量来计算斜率的变化,更能反映出机器人在运动中自身的位置状况.最后通过对应用于AS-UII型能力风暴机器人实验平台上所获得的实验结果和数据的分析讨论,证明所提出方法的可行性和有效性. 相似文献
7.
水下智能机器人模糊局部规划器设计 总被引:9,自引:2,他引:7
本文阐述了用模糊数字理论解决水下机器人局部规划问题的方法,首先针对机器人的运动特性,讨论了机器人平移和转动规则,然后声纳信息进行了模糊处理,在总结人的驾驶经验基础上,构成了机器人局部规划控制表。最后的微机上进行了避碰模型,给出仿真结果。 相似文献
8.
智能机器人的一种新路径规划算法 总被引:1,自引:0,他引:1
为了使智能机器人的运动过程更加顺利快速,使其用更短的时间和更短的路径到达终点,采用了基于几何理论的路径规划算法,寻求智能机器人最优路径规划。该算法利用切线最短的理论优化机器人的运动过程,对智能机器人运动的每一段路径都进行了规划和优化,使智能机器人的整个运动过程更加顺畅。在实际应用中,成功地缩短了机器人的运动路径,并成功地进行了避障。这种方法使用简单,容易理解,可广泛应用于智能机器人的路径规划和避障系统中,在实际应用中更能减少能量损耗。 相似文献
9.
本文简要介绍了单片机在智能机器人中的应用,着重讨论现场信号检测、单片机输入输出接口以及系统执行机构的控制,并进一步展望了智能机器人的未来发展。 相似文献
10.
智能机器人在烟草行业的应用是一个新的领域,本文扼要地介绍了卷烟生产过程及云南类草行业发展状况,通过对烟草行业自动化技术发展现状分析,就未来五年烟草行业对智能机器人的市场需求进行了预测研究。 相似文献
11.
12.
并联机器人力控制是并联机器人研究的一个热点和难点,引起了许多学者的关注,并取得了一定的成果。多数使用了传统的力控制研究方法。该文中,作者将神经网络引入并联机器人的力控制中,并介绍了一种改进型BP神经网络,以及其学习算法和网络的训练过程,并结合实际并联机器人6-SPS并联机器人,设计出基于改进型BP神经网络的并联机器人自适应力控制器,并进行了仿真和实验研究,通过研究表明所设计的控制器是可行和有效的。 相似文献
13.
14.
15.
在仿人智能控制算法的闭环阶段。须调整比例、积分和微分三种控制作用,形成控制量既相互配合又相互制约的关系,这种关系不一定是简单的“线性组合”,从变化无穷的非线性组合中可以找出最佳的。而BP神经网络所具有的任意非线性表达能力。可以通过对系统性能的学习来实现具有最佳组合的过程控制。在对非线性系统的数值仿真中,取得了较好的阶跃响应。 相似文献
16.
17.
18.
基于扰动观测器的机器人自适应神经网络跟踪控制研究 总被引:1,自引:0,他引:1
为解决机器人动力学模型未知问题并提升系统鲁棒性,本文基于扰动观测器,考虑动力学模型未知的情况,设计了一种自适应神经网络(Neural network,NN)跟踪控制器.首先分析了机器人运动学和动力学模型,针对模型已知的情况,提出了刚体机械臂通用模型跟踪控制策略;在考虑动力学模型未知的情况下,利用径向基函数(Radial basis function,RBF)神经网络设计基于全状态反馈的自适应神经网络跟踪控制器,并通过设计扰动观测器补偿系统中的未知扰动.利用李雅普诺夫理论证明所提出的控制策略可以使闭环系统误差信号半全局一致有界(Semi-globally uniformly bounded,SGUB),并通过选择合适的增益参数可以将跟踪误差收敛到零域.仿真结果证明所提出算法的有效性并且所提出的控制器在Baxter机器人平台上得到了实验验证. 相似文献