| 【中文题名】 | 神经网络技术在机器人视觉伺服控制中的应用 |
| 【英文题名】 | The Research on the Neural Network Control Strategies for Robotic Visual Servo System |
| 【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】 | 2007-5-24 |
| 【中关键词】 | 机器人,视觉伺服,BP神经网络,小脑神经网络,小波神经网络, |
| 【英关键词】 | Robot,Visual servo,Back propagation neural network,Cerebellar model articulation controller,Wavelet neural network, |
| 【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】 |
机器人视觉伺服系统是当今机器人技术的热门研究课题之一。非线性、耦合、不确定性等因素是影响机器人视觉伺服系统性能提高的关键问题,近年来受到了国内外研究人员的广泛关注,有许多问题有待进一步的研究和解决。针对该问题,本论文开展了机器人视觉伺服系统的神经网络控制方法的研究,来提高系统的智能性、鲁棒性和动态性能。
论文回顾了机器人视觉伺服及神经网络技术的发展和现状,对机器人视觉伺服系统的系统结构、坐标变换、成像原理进行了详细的描述,然后对多种形式的神经网络模型进行了研究,并将其应用在机器人视觉伺服控制系统中,用以克服机器人控制系统中非线性、耦合、不确定性等因素对控制性能的影响。
基于误差反向传播网络(BP网络)逼近非线性函数的能力,本文利用BP网络逼近机器人视觉伺服系统的逆雅克比矩阵,设计了一种BP神经网络视觉控制器,使系统具有了学习能力。
根据小脑模型关联控制器(CMAC)收敛速度快,适于实时控制系统的特点,本文设计了一种CMAC学习控制方法。在该方法中,CMAC被用作前馈控制器对常规反馈控制器进行补偿。
利用小波变换局部特性好的特性,采用小波基函数作为神经元的激活函数,设计... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-12 |
|
第1章 绪论 |
12-22 |
|
1.1 机器人视觉伺服控制 |
12-18 |
|
1.1.1 机器视觉的发展 |
12-13 |
|
1.1.2 机器人视觉伺服控制的发展 |
13-14 |
|
1.1.3 机器人视觉伺服控制系统的分类 |
14-15 |
|
1.1.4 视觉伺服控制机器人的结构 |
15-17 |
|
1.1.5 机器人视觉伺服控制的研究方向 |
17-18 |
|
1.2 神经网络的发展与研究概况 |
18-21 |
|
1.2.1 神经网络的发展史 |
18 |
|
1.2.2 神经网络基本概念及特征 |
18-20 |
|
1.2.3 神经网络与机器人视觉伺服控制系统 |
20-21 |
|
1.3 本论文的主要研究内容及结构 |
21-22 |
|
第2章 机器人的运动学模型的建立 |
22-35 |
|
2.1 机器人运动学基础 |
22-27 |
|
2.1.1 机器人正向运动学 |
22-26 |
|
2.1.2 机器人逆向运动学 |
26-27 |
|
2.2 运动学模型的建立 |
27-34 |
|
2.2.1 建立机器人杆件间的坐标变换 |
28-33 |
|
2.2.2 成像几何模型的建立 |
33-34 |
|
2.3 本章小结 |
34-35 |
|
第3章 机器人视觉伺服控制系统的BP 神经网络控制 |
35-48 |
|
3.1 神经网络基本理论 |
35-36 |
|
3.2 机器人视觉伺服控制系统的BP 神经网络控制 |
36-46 |
|
3.2.1 系统设计 |
36-37 |
|
3.2.2 BP 神经网络基本结构 |
37-38 |
|
3.2.3 系统神经网络控制器设计 |
38-39 |
|
3.2.4 BP 神经网络学习算法 |
39-44 |
|
3.2.5 BP 学习算法的局限性 |
44 |
|
3.2.6 BP 改进算法 |
44-46 |
|
3.3 仿真结果 |
46-47 |
|
3.4 本章小结 |
47-48 |
|
第4章 基于CMAC 的视觉伺服学习控制系统的研究 |
48-57 |
|
4.1 CMAC 神经网络模型 |
48-52 |
|
4.1.1 CMAC 模型结构 |
48-49 |
|
4.1.2 CMAC 的映射过程 |
49-52 |
|
4.2 机器人视觉伺服控制系统的CMAC 神经网络学习控制器 |
52-54 |
|
4.2.1 系统结构 |
52-53 |
|
4.2.2 控制算法 |
53-54 |
|
4.3 仿真结果 |
54-57 |
|
第5章 基于WNN 的机器人视觉伺服控制系统的研究 |
57-68 |
|
5.1 小波变换的基本概念 |
57-59 |
|
5.1.1 连续小波变换 |
57-58 |
|
5.1.2 离散小波变换 |
58-59 |
|
5.2 小波神经网络(WNN) |
59-62 |
|
5.2.1 小波神经网络结构 |
60-62 |
|
5.2.2 小波神经网络学习算法 |
62 |
|
5.3 机器人视觉伺服控制系统中的小波神经网络控制器 |
62-66 |
|
5.3.1 神经网络的结构 |
63-64 |
|
5.3.2 小波神经网络的训练 |
64-66 |
|
5.4 仿真结果 |
66-67 |
|
5.5 本章小结 |
67-68 |
|
结论 |
68-70 |
|
参考文献 |
70-73 |
|
附录A(攻读学位期间所发表的学术论文目录) |
73-74 |
|
致谢 |
74 |
|
| 【DOI】 | LunWen.ID:2.2008.388465 |
