制造业自动化
製造業自動化
제조업자동화
MANUFACTURING AUTOMATION
2013年
22期
1-4,9
,共5页
T-S型模糊神经网络%局部路径规划%变形高斯函数%matlab仿真%优化
T-S型模糊神經網絡%跼部路徑規劃%變形高斯函數%matlab倣真%優化
T-S형모호신경망락%국부로경규화%변형고사함수%matlab방진%우화
为优化模糊神经网络的学习速度、收敛性和稳定性,在移动机器人局部路径规划中构建了基于T-S(Takagi-Sugeno)模型的改进型模糊神经网络。对外部环境信息用多传感器(超声波、摄像头)采集并优化,将机器人横纵坐标及行进方向作为输入、机器人下一步行进方向及速度作为输出,以便机器人实现局部路径规划;将高斯函数变形后作为避碰隶属函数,并通过对比隐含层节点数对网络相对误差的影响来确定隶属函数层节点数,构建五层T-S型模糊神经网络;在此基础上应用改进型误差反传学习算法,通过matlab模拟实验仿真验证及对比分析,表明了改进型网络在优化网络学习速度、收敛性、稳定性方面有良好的性能。
為優化模糊神經網絡的學習速度、收斂性和穩定性,在移動機器人跼部路徑規劃中構建瞭基于T-S(Takagi-Sugeno)模型的改進型模糊神經網絡。對外部環境信息用多傳感器(超聲波、攝像頭)採集併優化,將機器人橫縱坐標及行進方嚮作為輸入、機器人下一步行進方嚮及速度作為輸齣,以便機器人實現跼部路徑規劃;將高斯函數變形後作為避踫隸屬函數,併通過對比隱含層節點數對網絡相對誤差的影響來確定隸屬函數層節點數,構建五層T-S型模糊神經網絡;在此基礎上應用改進型誤差反傳學習算法,通過matlab模擬實驗倣真驗證及對比分析,錶明瞭改進型網絡在優化網絡學習速度、收斂性、穩定性方麵有良好的性能。
위우화모호신경망락적학습속도、수렴성화은정성,재이동궤기인국부로경규화중구건료기우T-S(Takagi-Sugeno)모형적개진형모호신경망락。대외부배경신식용다전감기(초성파、섭상두)채집병우화,장궤기인횡종좌표급행진방향작위수입、궤기인하일보행진방향급속도작위수출,이편궤기인실현국부로경규화;장고사함수변형후작위피팽대속함수,병통과대비은함층절점수대망락상대오차적영향래학정대속함수층절점수,구건오층T-S형모호신경망락;재차기출상응용개진형오차반전학습산법,통과matlab모의실험방진험증급대비분석,표명료개진형망락재우화망락학습속도、수렴성、은정성방면유량호적성능。