基于径向基函数神经网络学习的移动机器人不规则墙壁跟踪问题的研究

摘要

该文提出了一种用于径向基函数（ＲＢＦ）神经网络学习的新方法，即Ｇａｕｓｓ－Ｊｏｒｄａｎ与广义逆（ｇｅｎｅｍａｌｉｎｖｅｒｓｅ）的复合方法，此方法训练速度快，实时性强，其收敛精度、收敛速度均比正交最小二乘算法（ＯＬＳ）效果好，并将该方法用于移动式机器人的不规划墙壁跟踪控制中，仿真结果证实了该方法的优越性。