【技术实现步骤摘要】
本专利技术涉及机器人跟踪误差控制，具体为基于神经网络模型预测补偿的机器人跟踪误差控制方法。
技术介绍
1、工业机器人是用于工业领域的多关节机械手或多自由度的机器装置，是国家制造业发展的核心装备，可依靠自身的动力能源和控制能力实现各种工业加工制造功能，工业机器人被广泛应用于电子、物流、化工等各个工业领域之中，工业机器人随着工业关键结构件向着大型化、复杂曲面化的发展，国家各重点制造行业均对工业机器人及其应用性能提出了迫切需求。
2、神经网络（nn）是一种启发于神经科学研究的现代数学建模工具，可以用于对输入输出数据进行数学建模或者对数据模式进行识别，神经网络的基本单元是神经元，单个神经元通过线性运算和激活函数，对输入数据进行一定的运算，多个神经元组合成神经网络层，多个神经网络层的堆叠则构成完整的神经网络，通过使用数据对神经网络进行训练，可以使得神经网络具有处理特定数据任务的能力。
3、从脑科学和感知科学的研究出发，本专利技术使用基于类脑智能的，从时间序列信号中提取周期成分信号的神经网络变体——基于门控和自适应机制的持续...
【技术保护点】
1.基于神经网络模型预测补偿的机器人跟踪误差控制方法，其特征在于：将循环神经网络“序列到序列”的处理方式应用到GACTRNN神经网络中，构建该神经网络模型，该神经网络模型包含了一个编码器和一个解码器，输入序列为，将按照时序输入到网络中，并被编码成为语义向量，语义向量随后作为解码器在解码过程中每一个时间步的输入，从而输出预测序列，和分别代表了输入序列和输出序列的长度。
2.根据权利要求1所述的基于神经网络模型预测补偿的机器人跟踪误差控制方法，其特征在于：在处理离散时间的任务时，神经单元作为离散模型，其神经元参数计算和更新方式为
3.根据权利要求2...
【技术特征摘要】
1.基于神经网络模型预测补偿的机器人跟踪误差控制方法，其特征在于：将循环神经网络“序列到序列”的处理方式应用到gactrnn神经网络中，构建该神经网络模型，该神经网络模型包含了一个编码器和一个解码器，输入序列为，将按照时序输入到网络中，并被编码成为语义向量，语义向量随后作为解码器在解码过程中每一个时间步的输入，从而输出预测序列，和分别代表了输入序列和输出序列的长度。
2.根据权利要求1所述的基于神经网络模型预测补偿的机器人跟踪误差控制方法，其特征在于：在处理离散时间的任务时，神经单元作为离散模型，其神经元参数计算和更新方式为
3.根据权利要求2所述的基于神经网络模型预测补偿的机器人跟踪误差控制方法，其特征在于：为时间序列输入，为时间序列预测输出，、分别为在时间步和时神经元的内部状态，和分别为神经元外部和内部权重矩阵，为偏置，为神经元的激活函数，选用双曲正切函数。
4.根据权利要求3所述的基于神经网络模型预测补偿的机器人跟踪误差控制方法，其特征在于：为gactrnn神经元的时间尺度参数用于表示神经元内部状态的更新速度，训练参数、和，其中和分别为关于输入与上一个时间步神经元活性的权重矩阵，为时间尺度参数的偏置，神经网络的时间序列输入在每一时间步送入模型并与矩阵相乘，进而对当前时间步的时间尺度进行调控。
5.根据权利要求4所述的基于神经网络模型预测补偿的机器人跟踪误差控制方法，其特征在于：在完成gactrnn网络的构建后，在设备上对所构建的神经网络进行模型的能力评估，通过实际的数据处理任务来探究模型的性能，对工业机器人轨迹跟踪误差进行学习和...
【专利技术属性】
技术研发人员：冯仰刚，马克，胡兴宇，任佳欣，邵一鑫，石狄，张武翔，丁希仑，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。