机械设计与制造
機械設計與製造
궤계설계여제조
MACHINERY DESIGN & MANUFACTURE
2014年
8期
134-136
,共3页
T-S型模糊神经网络%局部路径规划%实际隶属函数%Matlab仿真%优化
T-S型模糊神經網絡%跼部路徑規劃%實際隸屬函數%Matlab倣真%優化
T-S형모호신경망락%국부로경규화%실제대속함수%Matlab방진%우화
T-S Type Fuzzy Neural Network%Local Path Planning%Matlab Simulation%Actual Membership Function%Optimization
为优化模糊神经网络的实时性、学习速度、收敛性、稳定性,在移动机器人局部路径规划中构建了基于实际隶属函数T-S(Takagi-Sugeno)模型的改进型模糊神经网络.结合静态、动态障碍物并存环境下机器人路径规划的实际,综合考虑二维直角坐标体系下机器人、障碍物的位置、速度及运动方向等实时信息,推导出一种新的具有实际含义的隶属函数作为避碰隶属函数,采用五层T-S型模糊神经网络及改进型误差反传学习算法.通过计算机仿真,验证了所提方略对动态环境下移动机器人路径规划具有较高的实时性和有效性.
為優化模糊神經網絡的實時性、學習速度、收斂性、穩定性,在移動機器人跼部路徑規劃中構建瞭基于實際隸屬函數T-S(Takagi-Sugeno)模型的改進型模糊神經網絡.結閤靜態、動態障礙物併存環境下機器人路徑規劃的實際,綜閤攷慮二維直角坐標體繫下機器人、障礙物的位置、速度及運動方嚮等實時信息,推導齣一種新的具有實際含義的隸屬函數作為避踫隸屬函數,採用五層T-S型模糊神經網絡及改進型誤差反傳學習算法.通過計算機倣真,驗證瞭所提方略對動態環境下移動機器人路徑規劃具有較高的實時性和有效性.
위우화모호신경망락적실시성、학습속도、수렴성、은정성,재이동궤기인국부로경규화중구건료기우실제대속함수T-S(Takagi-Sugeno)모형적개진형모호신경망락.결합정태、동태장애물병존배경하궤기인로경규화적실제,종합고필이유직각좌표체계하궤기인、장애물적위치、속도급운동방향등실시신식,추도출일충신적구유실제함의적대속함수작위피팽대속함수,채용오층T-S형모호신경망락급개진형오차반전학습산법.통과계산궤방진,험증료소제방략대동태배경하이동궤기인로경규화구유교고적실시성화유효성.
