改进的BPnn在移动机器人轨迹跟踪中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (8): 239-242.

改进的BPnn在移动机器人轨迹跟踪中的应用

陈卫东，张燕，朱奇光

燕山大学信息科学与工程学院，河北秦皇岛 066004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-11 发布日期:2011-03-11

Application of improved BPnn in trajectory tracking of mobile robot

CHEN Weidong，ZHANG Yan，ZHU Qiguang

Department of Information Science and Engineering，Yanshan University，Qinhuangdao，Hebei 066004，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-11 Published:2011-03-11

摘要/Abstract

摘要： 针对BPnn（BP神经网络）在复杂多输入情况下，样本训练速度慢，不能满足实时性要求的缺点，提出了一种把神经网络分割成若干子网分别进行训练来获取更高计算效率的方法。将改进的BPnn应用于移动机器人在未知参数和不确定干扰下的轨迹跟踪控制问题中，提出了一种运动控制器和动力学控制器相结合的改进的计算力矩控制方法，用后退算法设计运动学控制器，用改进的BPnn优化动力学控制器。通过MATLAB数值仿真证明了算法的有效性和正确性。

关键词: 移动机器人, 轨迹跟踪, 后退算法, 改进的反向传播（BP）神经网络

Abstract: Aiming at the speed of BPnn（BP neural network） is slow and it cannot meet the real-time request in complex multiple input conditions，a method of partitioning BPnn into several smaller subnets in order to obtain more efficient computation is proposed.Using the improved BPnn to the trajectory tracking problem of mobile robot with unknown parameters and interferences，an improved computed-torque control by the integration of a kinematic controller and a dynamic controller is proposed.The kinematic controller is designed by the backstepping technology and the dynamic controller is optimized by the improved BPnn.MATLAB numerical simulations are provided to show the effectiveness and correctness of the suggested approach.

Key words: mobile robot, trajectory tracking, backstepping algorithm, improved Back Propagation neural network（BPnn）

陈卫东，张燕，朱奇光. 改进的BPnn在移动机器人轨迹跟踪中的应用[J]. 计算机工程与应用, 2011, 47(8): 239-242.

CHEN Weidong，ZHANG Yan，ZHU Qiguang. Application of improved BPnn in trajectory tracking of mobile robot[J]. Computer Engineering and Applications, 2011, 47(8): 239-242.

[1]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[2]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[3]	惠小健. 任意初态下的工业机器人迭代学习控制[J]. 计算机工程与应用, 2021, 57(3): 261-265.
[4]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[5]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[6]	涂睿，王文格，卢成阳. 移动机器人实时采样路径重规划[J]. 计算机工程与应用, 2021, 57(20): 157-163.
[7]	王科银，石振，杨正才，杨亚会，王思山. 改进强化学习算法应用于移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 270-274.
[8]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[9]	林韩熙，向丹，欧阳剑，兰晓东. 移动机器人路径规划算法的研究综述[J]. 计算机工程与应用, 2021, 57(18): 38-48.
[10]	王银，张灏琦，孙前来，李小松，孙志毅. 基于自适应MPC算法的轨迹跟踪控制研究[J]. 计算机工程与应用, 2021, 57(14): 251-258.
[11]	华洪，张志安，施振稳，陈冠星. 动态环境下多重A*算法的机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(10): 173-180.
[12]	郭娜，李彩虹，王迪，张宁，刘国名. 结合预测和模糊控制的移动机器人路径规划[J]. 计算机工程与应用, 2020, 56(8): 104-109.
[13]	周睿慜，李辉. 改进动态规划算法的移动机器人路径规划[J]. 计算机工程与应用, 2020, 56(21): 20-24.
[14]	侯锐，卜旭辉. 任意初始位置机器人领航跟随型迭代学习编队[J]. 计算机工程与应用, 2020, 56(20): 226-231.
[15]	冯爱兰，杨腾，孔继利. 移动机器人履行系统的订单处理研究[J]. 计算机工程与应用, 2020, 56(20): 243-250.