基于递归神经网络的机器人建模与控制研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·选题背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·研究内容和安排 | 第11-12页 |
| 2 递归神经网络理论 | 第12-30页 |
| ·递归神经网络的结构 | 第12-16页 |
| ·Elman 网络 | 第12-13页 |
| ·Jordan 网络 | 第13-14页 |
| ·对角递归神经网络 | 第14页 |
| ·回声状态网络 | 第14-16页 |
| ·递归神经网络的学习算法 | 第16-24页 |
| ·反向传播算法 | 第16-19页 |
| ·沿着时间的反向传播算法 | 第19-21页 |
| ·实时递归学习算法 | 第21-22页 |
| ·扩展卡尔曼滤波学习算法 | 第22-24页 |
| ·回声状态网络的学习算法 | 第24-29页 |
| ·离线学习算法 | 第24-26页 |
| ·递推最小二乘在线学习算法 | 第26-28页 |
| ·回声状态网络的改进学习算法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 3 递归神经网络在机器人建模中的应用 | 第30-40页 |
| ·基于神经网络的系统辨识 | 第30-33页 |
| ·系统辨识的基本原理 | 第30-31页 |
| ·基于神经网络的系统辨识 | 第31-33页 |
| ·数据预处理和评价指标 | 第33-34页 |
| ·数据预处理 | 第33页 |
| ·辨识精度评价 | 第33-34页 |
| ·回声状态网络的建模仿真分析 | 第34-39页 |
| ·高阶非线性系统的建模仿真 | 第34-36页 |
| ·液压驱动机器人臂系统的建模仿真 | 第36-37页 |
| ·多输入多输出系统的建模仿真 | 第37-38页 |
| ·多自由度 Sorces 机器人臂系统的建模仿真 | 第38-39页 |
| ·小结 | 第39-40页 |
| 4 递归神经网络在机器人轨迹跟踪控制中的应用 | 第40-55页 |
| ·神经网络控制 | 第40-43页 |
| ·基于 ESN 网络的直接逆模型控制 | 第40-42页 |
| ·基于 ESN 网络的内模控制 | 第42-43页 |
| ·在非线性系统自适应控制中的应用 | 第43-47页 |
| ·二阶非线性系统自适应控制 | 第43-44页 |
| ·三阶非线性系统自适应控制 | 第44-45页 |
| ·仿真分析 | 第45-47页 |
| ·在二自由度机械手轨迹跟踪控制中的应用 | 第47-53页 |
| ·机器人控制的主要问题 | 第47-48页 |
| ·控制过程 | 第48-52页 |
| ·仿真分析 | 第52-53页 |
| ·小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间的研究成果 | 第61页 |
