提出了一种利用FCMAC（Fuzzy Cerebellar Model Articulation Controller）神经网络进行优化的方法。该方法由学习过程和优化过程两部分组成。对于许多没有模型可参考的实际过程，使用该方法只需要传感器的观测信息就能进行优化。仿真...提出了一种利用FCMAC（Fuzzy Cerebellar Model Articulation Controller）神经网络进行优化的方法。该方法由学习过程和优化过程两部分组成。对于许多没有模型可参考的实际过程，使用该方法只需要传感器的观测信息就能进行优化。仿真结果证明了该方法的有效性与优越性，进而提出了在实际应用中进行优化的一种方案。展开更多
针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller,FCMAC)网络的非线性自适应逆控制方案。将模糊逻辑思想嵌入到CMAC中构成FCMA...针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller,FCMAC)网络的非线性自适应逆控制方案。将模糊逻辑思想嵌入到CMAC中构成FCMAC来对非线性对象进行较精确的逆建模,从而构建逆控制系统。在对象特性未知的情况下,选用BP网络来对象进行正建模,并由BP网络的辩识结果来对FCMAC的参数进行调整。仿真实验表明了该方案的有效性,且验证了其控制效果较单纯的CMAC网络逆控制更理想。展开更多
提出一种利用FCMAC(fuzzy cerebellar model articulation controller)神经网络进行工业过程的辨识和稳态优化方法。利用FCMAC神经网络的优点,基于系统的动态信息,在不干扰系统正常运行的情况下获得当前时刻下系统的稳态模型,并在此模...提出一种利用FCMAC(fuzzy cerebellar model articulation controller)神经网络进行工业过程的辨识和稳态优化方法。利用FCMAC神经网络的优点,基于系统的动态信息,在不干扰系统正常运行的情况下获得当前时刻下系统的稳态模型,并在此模型的基础上,对系统进行稳态优化。仿真结果证明了该方法的有效性与优越性。展开更多
为了研究双足机器人在单腿支撑阶段和飞行阶段质心轨迹和双足轨迹,采用模糊CMAC(fuzzy cerebellar model articulation controller,FCMAC)神经网络规划双足机器人跑步时质心和双足的方法。通过FCMAC神经网络学习生成跑步轨迹,仿真实验...为了研究双足机器人在单腿支撑阶段和飞行阶段质心轨迹和双足轨迹,采用模糊CMAC(fuzzy cerebellar model articulation controller,FCMAC)神经网络规划双足机器人跑步时质心和双足的方法。通过FCMAC神经网络学习生成跑步轨迹,仿真实验结果表明:双足机器人跑步时各关节角度和关节驱动力矩变化稳定,能够实现稳定的跑步,验证了方法的有效性。展开更多
文摘提出了一种利用FCMAC（Fuzzy Cerebellar Model Articulation Controller）神经网络进行优化的方法。该方法由学习过程和优化过程两部分组成。对于许多没有模型可参考的实际过程，使用该方法只需要传感器的观测信息就能进行优化。仿真结果证明了该方法的有效性与优越性，进而提出了在实际应用中进行优化的一种方案。
文摘针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller,FCMAC)网络的非线性自适应逆控制方案。将模糊逻辑思想嵌入到CMAC中构成FCMAC来对非线性对象进行较精确的逆建模,从而构建逆控制系统。在对象特性未知的情况下,选用BP网络来对象进行正建模,并由BP网络的辩识结果来对FCMAC的参数进行调整。仿真实验表明了该方案的有效性,且验证了其控制效果较单纯的CMAC网络逆控制更理想。
文摘提出一种利用FCMAC(fuzzy cerebellar model articulation controller)神经网络进行工业过程的辨识和稳态优化方法。利用FCMAC神经网络的优点,基于系统的动态信息,在不干扰系统正常运行的情况下获得当前时刻下系统的稳态模型,并在此模型的基础上,对系统进行稳态优化。仿真结果证明了该方法的有效性与优越性。
文摘为了研究双足机器人在单腿支撑阶段和飞行阶段质心轨迹和双足轨迹,采用模糊CMAC(fuzzy cerebellar model articulation controller,FCMAC)神经网络规划双足机器人跑步时质心和双足的方法。通过FCMAC神经网络学习生成跑步轨迹,仿真实验结果表明:双足机器人跑步时各关节角度和关节驱动力矩变化稳定,能够实现稳定的跑步,验证了方法的有效性。
