| 【中文题名】 | 机器人动力学方程的神经网络计算 |
| 【英文题名】 | The Computation of Equations of Dynamics on Manipulator by Neural Network |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2001-11-23 |
| 【中关键词】 | 机器人,神经网络,现场可编程门阵列ASIC,差分脉冲编码,硅编译, |
| 【英关键词】 | Robot,Neural Network,FPGA CPLD,DPCM,ASIC,Silicon,,,compile, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
近年来，非线性系统的控制得到了极大的发展，在算法和软件上都有了迅猛
的突破。而机器人动力学系统是一个高度复杂的非线性模型，在控制界，对机器
人系统的研究始终是个难点，也是个热点。神经网络和机器人系统似乎有着不解
的缘分，非线性则是联系的基础。神经网络的变体各种各样，从BP网，自适应
神经网络，到各种智能神经网络，模糊神经网络，小波神经网络等等。但随着算
法和系统复杂性的不断提高，对硬件的要求也必将提高到一个新的层次。神经网
络并行多机系统可以提高计算速度，但每个CPU的运算仍是串行的，而且需要
采用总线结构，当处理单元增多时，存储冲突愈益突出，系统性能也将随之下降，
且要求有较高的带宽。这使得对神经网络的应用大部分仍停留在实验室的水平。
随着集成电路的日新月异，高密度现场可编程逻辑器件，包括CPLD和FPGA，
能够将大量逻辑功能集成于一个单片IC之中。虽然半定制和全定制的专用集成
电路（ASIC）也能够实现将大量数字逻辑功能集成于单片之中，但CPLD和FPGA
具有更多的灵活性：既适用于短研制周期、小批量产品开发... |
| 【论文题纲】 |
|
第一章 概述 |
8-14 |
|
1．1 机器人发展趋势 |
8-10 |
|
1．2 设计的特点 |
10-12 |
|
1．3 人工神经网络在机器人中的应用 |
12-14 |
|
第二章 机器人动力学系统实现方案 |
14-32 |
|
2．1 采用离线学习方案 |
14-24 |
|
2．2 离线学习机器人动力学特性 |
24-32 |
|
第三章 神经网络实现技术的研究状况 |
32-35 |
|
3．1 实现的种类及国内外的状况 |
32 |
|
3．2 神经网络的VLSI实现技术 |
32-33 |
|
3．3 神经网络的其它实现 |
33-35 |
|
第四章 可编程逻辑及FPGA技术 |
35-44 |
|
4．1 编程技术和PLD基础 |
35-36 |
|
4．2 FPGA器件结构 |
36-37 |
|
4．3 XILINX 9500 CPLD系列 |
37-39 |
|
4．4 XILINX FOUNDATION1．5简介 |
39-44 |
|
第五章 神经网络硬件体系结构 |
44-72 |
|
5．1 DPCM码的原理及特性 |
44-46 |
|
5．2 DM串的格式及半加原理 |
46-52 |
|
5．3 乘法器的原理与信号格式的设计 |
52-57 |
|
5．4 乘法器的电路结构（附时序图） |
57-59 |
|
5．5 神经元单元节点的电路结构（附时序图） |
59-62 |
|
5．6 第一层网络的系统结构（附时序图） |
62-64 |
|
5．7 上层网络的系统结构（附时序图） |
64-67 |
|
5．8 神经网络体系的系统结构（附时序图） |
67-69 |
|
5．9 其它乘法方案的简介 |
69-72 |
|
第六章 附录 |
72 |
|
附录1： report of Implementation |
72-79 |
|
附录2： 神经网络在不同圆周期频率的激励响应 |
79-87 |
|
附录3： 用XILINX的CPLD9108-10-PC84芯片进行平行计算的测试 |
87-95 |
|
附录4： SCHEMATIC CIRCUITS． |
95-90 |
|
结束语 |
90-91 |
|
致谢 |
91-92 |
|
参考文献 |
92-103 |
|
| 【DOI】 | LunWen.ID:2.2008.386389 |
