基于FNN的覆冰机器人越障机械臂轨迹跟踪控制

doi:10.3778/j.issn.1002-8331.2010.08.067

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (8): 232-233.DOI: 10.3778/j.issn.1002-8331.2010.08.067

基于FNN的覆冰机器人越障机械臂轨迹跟踪控制

郝晓弘¹，刘晓鹏¹，岳和平²，张帆¹

1.兰州理工大学电气工程与信息工程学院，兰州 730050
2.甘肃省电力科学研究院，兰州 730050

收稿日期:2008-09-18 修回日期:2009-01-14 出版日期:2010-03-11 发布日期:2010-03-11
通讯作者: 郝晓弘

Tracking control of robot’s trajectory based on FNN

HAO Xiao-hong¹，LIU Xiao-peng¹，YUE He-ping²，ZHANG Fan¹

1.College of Electrical and Information Engineering，Lanzhou University of Technology，Lanzhou 730050，China
2.Gansu Electric Power Research Institute，Lanzhou 730050，China

Received:2008-09-18 Revised:2009-01-14 Online:2010-03-11 Published:2010-03-11
Contact: HAO Xiao-hong

摘要/Abstract

摘要： 覆冰机器人除冰时要跨越各种障碍物。采用卡尔曼滤波学习算法，将自适应模糊神经网络控制器用于覆冰机器人越障时的机械臂轨迹跟踪控制，解决了BP算法实时性差的问题。经过仿真实验论证，该方法对覆冰机器人越障时的机械臂轨迹跟踪控制具有很好的效果，表明控制策略和理论分析的可行性。

关键词: 输电线路, 覆冰机器人, 模糊神经网络, 自适应性

Abstract: When de-icing robot performs the de-icing task，it must across all kinds of obstacles.In this paper，using Kalman filter arithmetic，the Fuzzy Neural Network（FNN） controller is used for de-icing robot’s manipulator tracking controller when it crosses obstacles，solves the problem of BP algorithm.By simulation，the control method can achieve a better function for robot arm tracking control when de-icing robot crosses obstacles.Results show the verification of the control strategy and the feasibility of the theoretical analysis.

Key words: power transmission line, de-icing robot, Fuzzy Neural Network（FNN）, adaptive merits

中图分类号:

TP242.2

郝晓弘¹，刘晓鹏¹，岳和平²，张帆¹. 基于FNN的覆冰机器人越障机械臂轨迹跟踪控制[J]. 计算机工程与应用, 2010, 46(8): 232-233.

HAO Xiao-hong¹，LIU Xiao-peng¹，YUE He-ping²，ZHANG Fan¹. Tracking control of robot’s trajectory based on FNN[J]. Computer Engineering and Applications, 2010, 46(8): 232-233.

[1]	周非，罗晓勇，刘云萍. 基于概率模型的实时修正IMM目标跟踪算法[J]. 计算机工程与应用, 2020, 56(21): 85-92.
[2]	邱东黎，施晶晶. 基于强化学习方法的访存调度算法[J]. 计算机工程与应用, 2018, 54(2): 62-67.
[3]	亓刚，郑霖. 基于网络编码的输电线路WSN传输协议[J]. 计算机工程与应用, 2018, 54(12): 86-92.
[4]	彭越兮1，徐蔚鸿1，2，陈沅涛1，马宏华3. 改进量子粒子群算法的模糊神经网络水质评价[J]. 计算机工程与应用, 2018, 54(11): 211-216.
[5]	张楠，南敬昌，高明明. 基于分组混沌PSO算法的模糊神经网络建模研究[J]. 计算机工程与应用, 2017, 53(9): 31-37.
[6]	穆良，程良伦. 基于k-匿名位置隐私保护的自适应学习模型[J]. 计算机工程与应用, 2017, 53(18): 89-94.
[7]	南敬昌，周丹，高明明. 基于自适应模糊神经网络的功放预失真新方法[J]. 计算机工程与应用, 2016, 52(7): 96-100.
[8]	张峰1，郭锐1，程志勇2，雍军1，傅思遥3，韩立伟3，杨军3，贾乐刚3. 基于主元梯度直方图的输电线路障碍物检测[J]. 计算机工程与应用, 2016, 52(15): 254-259.
[9]	刘国荣1，2，钟庭欢1. 一种基于FNN的感应电机定子电阻辨识建模方法[J]. 计算机工程与应用, 2015, 51(18): 233-238.
[10]	孟劦1，胡亚洲2,陈晓2. 基于自适应模糊神经网络控制器的网络控制系统[J]. 计算机工程与应用, 2015, 51(18): 90-93.
[11]	侯越，赵贺. 改进的粒子群算法优化TSFNN的交通流预测[J]. 计算机工程与应用, 2014, 50(4): 236-239.
[12]	周晔，余隋怀，初建杰. 基于DFNN的语义驱动色彩智能设计研究[J]. 计算机工程与应用, 2014, 50(3): 145-149.
[13]	刘亮，徐蔚鸿. 模糊Hopfield网络的收敛性与鲁棒性分析[J]. 计算机工程与应用, 2014, 50(23): 73-76.
[14]	冯文洁1，李万莉2，嘉红霞3. 模糊神经网络变幅液压系统故障诊断[J]. 计算机工程与应用, 2014, 50(11): 241-245.
[15]	汪群芳，谭满春，郑珍. 混合时滞非恒同模糊神经网络的同步控制[J]. 计算机工程与应用, 2013, 49(8): 63-66.

基于FNN的覆冰机器人越障机械臂轨迹跟踪控制

Tracking control of robot’s trajectory based on FNN

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics