冗余度机器人运动模型的神经网络辨识及实现

摘要

为提高网络学习速度,提出了一种新的动态神经网络结构--状态延迟输入动态递归神经网络.以德国PowerCubeTM模块化机器人为研究对象,将机器人系统返回的关节位置信息和OPTOTRAK 3020 3维运动测量系统测得的机器人末端位置信息作为神经网络的学习样本,对包含各种影响因素的机器人运动模型进行了辨识,所得结果及误差分析,说明了SDIDRNN在学习能力上的优越性.