- 相關(guān)推薦
基于神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人對(duì)路徑形式的識(shí)別與分類
在已知路徑時(shí)，要求移動(dòng)機(jī)器人快速正確地進(jìn)行路徑跟蹤是柔性裝配系統(tǒng)中實(shí)現(xiàn)物料自動(dòng)傳輸?shù)囊粋�(gè)關(guān)鍵技術(shù)。目前，很多學(xué)者都是在笛卡爾坐標(biāo)空間中，建立移動(dòng)機(jī)器人的實(shí)際位姿和期看位姿之間的誤差矢量，并采用該誤差矢量作為系統(tǒng)的反饋來消除跟蹤誤差，并想法在控制過程中減少有關(guān)移動(dòng)機(jī)器人的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)的計(jì)算量，進(jìn)步算法的實(shí)時(shí)性［1～4］。但移動(dòng)機(jī)器人在路徑跟蹤過程中，始終是處于糾偏狀態(tài)下，其運(yùn)動(dòng)路線呈“蛇”形軌跡，從而影響移動(dòng)機(jī)器人的跟蹤精度。為此，在分析傳統(tǒng)路徑跟蹤方式所存在的不足的基礎(chǔ)上，筆者采用神經(jīng)網(wǎng)絡(luò)技術(shù)，分析了路徑特征向量的抽取方法，設(shè)計(jì)了用于移動(dòng)機(jī)器人路徑識(shí)別的分類器，實(shí)現(xiàn)了移動(dòng)機(jī)器人對(duì)其所跟蹤路徑進(jìn)行實(shí)時(shí)識(shí)別和分類，進(jìn)而按照所識(shí)別的路徑形式進(jìn)行跟蹤，進(jìn)步了路徑跟蹤精度。1傳統(tǒng)路徑跟蹤方式分析1.1切線跟蹤方式與弦線跟蹤方式切線跟蹤方式是移動(dòng)機(jī)器人通過在不同位置對(duì)不同直線的跟蹤來達(dá)到對(duì)曲線的跟蹤。如圖1的誤差分析所示，用采樣點(diǎn)oi處的切線 soi 來逼近曲線 oi-1oi，由于移動(dòng)機(jī)器人在運(yùn)動(dòng)過程中對(duì)控制指令有滯后現(xiàn)象，當(dāng)采樣點(diǎn)a位于切線與曲線之間時(shí)，移動(dòng)機(jī)器人將誤以為產(chǎn)生了右偏差，控制器將產(chǎn)生向左的糾偏指令，從而導(dǎo)致誤差加大，而且隨著滯后現(xiàn)象的加劇，跟蹤誤差將隨之加大。同樣waxmax等［5］提出的弦線跟蹤方式也會(huì)出現(xiàn)此類現(xiàn)象。screen.width-400)this.style.width=screen.width-400;">圖1切線跟蹤方式1.2圓弧跟蹤方式圓弧跟蹤方式相當(dāng)于用分段圓弧來擬合曲線路徑［6］,該方法在一定程度上改善了切線跟蹤和弦線跟蹤的不足，路徑跟蹤精度有一定的進(jìn)步，但由于分段跟蹤圓弧的曲率在路徑跟蹤中是不變的，因此當(dāng)路徑采樣圓弧與分段跟蹤圓弧的曲率半徑差別較大時(shí)，尤其是當(dāng)路徑采樣圓弧出現(xiàn)直線、采樣點(diǎn)位于二者之間時(shí)，移動(dòng)機(jī)器人也會(huì)產(chǎn)生闊別期看路徑的糾偏指令，使得跟蹤誤差加大。2路徑特征向量的抽取如圖2所示，設(shè)pc 為移動(dòng)機(jī)器人確當(dāng)前實(shí)際位姿，pr為其當(dāng)前期看位姿，則移動(dòng)機(jī)器的誤差分析screen.width-400)this.style.width=screen.width-400;">圖2路徑跟蹤中人在路徑跟蹤中會(huì)產(chǎn)生方向誤差eh、橫向偏移誤差ex和縱向偏移誤差ey， 設(shè)誤差矢量e和路徑跟蹤精度誤差限δe 分別為screen.width-400)this.style.width=screen.width-400;">當(dāng)e≤δe時(shí)，抽取當(dāng)前路徑段的特征向量，進(jìn)行路徑形式的識(shí)別和分類，進(jìn)而跟蹤所識(shí)別的路徑。否則控制轉(zhuǎn)進(jìn)糾偏模塊進(jìn)行糾偏。screen.width-400)this.style.width=screen.width-400;">圖3路徑特征表示法如圖3所示，移動(dòng)機(jī)器人前方路徑段的特征向量dm(m=i,j,k，…)即為在每個(gè)采樣點(diǎn)處移動(dòng)機(jī)器人確當(dāng)前實(shí)際位置與其期看位置之間在移動(dòng)機(jī)器人坐標(biāo)系x′o′y′中o′x′方向上的坐標(biāo)值。設(shè)(x′0,y′0)為移動(dòng)機(jī)器人坐標(biāo)原點(diǎn)在盡對(duì)坐標(biāo)系xoy中的坐標(biāo)，(xm,ym)(m=i,j,k，…)為期看路徑上對(duì)應(yīng)采樣點(diǎn)i,j,k，…在盡對(duì)坐標(biāo)系xoy 中的坐標(biāo)，(x′m,y′m)為期看路徑上對(duì)應(yīng)采樣點(diǎn)在移動(dòng)機(jī)器人坐標(biāo)系x′o′y′中的坐標(biāo)，則根據(jù)前述dm(m=i,j,k，…)的定義知dm=x′m=(xm-x′0)cosθ (ym-y′0)sinθ式中，(xm,ym)(m=i,j,k，…)和(x′0,y′0)以及θ由感知模塊得到。3路徑識(shí)別及其分類器的設(shè)計(jì)3.1移動(dòng)機(jī)器人前方路徑段的期看種別根據(jù)移動(dòng)機(jī)器人的驅(qū)動(dòng)特性，可以將反映移動(dòng)機(jī)器人前方路徑段的期看種別分成若干類。表1給出了9類路徑種別的曲率,從而可以確定出描述各個(gè)期看種別的特征向量，該特征向量就組成了用于練習(xí)神經(jīng)網(wǎng)絡(luò)的練習(xí)樣本數(shù)據(jù)庫(kù)。表1各路徑種別的曲率單位：1/mm種別12345曲率0.00160.001250.000830.000630.0005種別6789曲率0.000330.000250.0001603.2基于art—2神經(jīng)網(wǎng)絡(luò)改進(jìn)算法的分類器設(shè)計(jì) 將描述移動(dòng)機(jī)器人前方路徑段特征向量dm(m=i,j,k，…)，作為分類器的輸進(jìn)向量來實(shí)現(xiàn)移動(dòng)機(jī)器人對(duì)其前方路徑段的識(shí)別和分類。筆者以art—2神經(jīng)網(wǎng)絡(luò)改進(jìn)算法［7］為基礎(chǔ)設(shè)計(jì)分類器，art—2神經(jīng)網(wǎng)絡(luò)改進(jìn)算法如下： 當(dāng)dm(m=i,j,k，…)輸進(jìn)給神經(jīng)網(wǎng)絡(luò)時(shí)，經(jīng)過一系列規(guī)格化運(yùn)算和非線性變換，特征表示場(chǎng)f1就得到一個(gè)輸進(jìn)信息ui，則種別表示場(chǎng)f2從特征表示場(chǎng)得到的輸進(jìn)信息為 pi=ui ?nj=1g(yi)ωji種別表示場(chǎng)f2中節(jié)點(diǎn)j的輸進(jìn)為tj=?mi=1piωij式中，ωji為自頂向下的權(quán)重；ωij為自底向上的權(quán)重。假如在f2中節(jié)點(diǎn)j被激活，記為tj=max{tj: for all f2 node j}。則對(duì)所有j≠j有g(shù)(yj)=d, and g(yj)=0在長(zhǎng)時(shí)記憶層ltm中，權(quán)重的學(xué)習(xí)公式為(dωji)/(dt)=d(1-d)(ui)/(1-d)-ωji(dωij)/(dt)=d(1-d)(ui)/(1-d)-ωij調(diào)整子系統(tǒng)對(duì)f2場(chǎng)發(fā)出重置信號(hào)的條件為(ρ)/(e ‖r‖)
【基于神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人對(duì)路徑形式的識(shí)別與分類】相關(guān)文章：
基于BP網(wǎng)遙感影像分類研究與應(yīng)用08-10
神經(jīng)網(wǎng)絡(luò)的特點(diǎn)分析論文（精選6篇）04-29
淺論形式美05-10
開題報(bào)告預(yù)期成果形式08-15
影視公司并購(gòu)重組的路徑與效應(yīng)08-21
民事審判錯(cuò)案的國(guó)家救濟(jì)路徑04-29
試析基于勝任素質(zhì)的薪酬模式構(gòu)建01-03