ZNN零化神经网络及其在机器人上的应用

1.解等式约束问题

1.1等式QP问题描述

考虑如下等式约束的时变二次规划(QP)问题:

采用拉格朗日乘数法将其转换为无约束优化问题:

对未知量求偏导:

将上式整理成矩阵的形式:

1.2ZNN解等式约束问题

定义误差函数:

ZNN模型的误差动态方程:

其中,ρ为可调参数,越大收敛越快,不同维度可以用不同的ρ。为ZNN神经网络激活函数。

因此,求解等式QP问题的零化神经网络ZNN模型如下:

激活函数的常见及改进计算方法:

(1)线性饱和激活函数

(2)Sigmoid激活函数

(3)有限时间收敛的激活函数(改进)

1.3仿真举例

考虑如下二次规划问题:

结果如下:

2.解等式和不等式约束问题

2.1等式和不等式约束问题描述

考虑如下不等式/等式约束的时变二次规划(QP)问题:

根据KKT条件,将上式写为:

其中,为等式和不等式约束的拉格朗日乘子,输出如下:

将上式写成矩阵形式:

2.2ZNN解等式和不等式约束问题

定义误差函数:

动态误差方程:

ZNN迭代求解模型:

其中,为ZNN激活函数,为可调节参数。

3.在机器人上的应用

3.1在冗余机器人及关节故障轨迹跟踪上的应用

冗余机械臂重复运动规划旨在消除冗余机械臂重复执行末端封闭轨迹任务时的关节角漂移现象,具体地,希望机械臂各关节角在一个任务周期结束后,仍然回到期望起始角度。每个任务周期以同一初始关节状态运行,可避免机械臂产生非期望的关节轨迹,有助于封闭轨迹重复作业的安全运行。机械臂轨迹规划的基本做法是基于机械臂运动学模型,通过给定的期望末端笛卡尔位置求取合适的关节角度。考虑n自由度冗余机械臂,其关节角度和末端执行器位置关系如下:

其中,r(t)为t时刻机械臂末端执行器在笛卡尔坐标系下位置坐标,θ(t)表示对应时刻的关节角度向量,f(·)表示关节角与机械臂末端位置间的非线性映射关系。两边同时求取时间导数:

其中,J(θ(t))为机器人的雅可比矩阵。则机器人的重复运动规划问题可描述为:

写成矩阵形式为:

最终效果如下:

3.2在线对机器人进行动力学参数辨识

3.3基于基于机器人动力学模型的实时控制

4.视频展示

ZNN零化神经网络---在机器人冗余控制及关节故障轨迹跟踪上的应用

技术/代码/文章复现/教学指导,交流邮箱/企鹅(欢迎交流、讨论、私信):[email protected]

我的weChat:brave_gtq

打赏请链接:飞舞的哲

相关推荐
你觉得20514 分钟前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
hyshhhh1 小时前
【算法岗面试题】深度学习中如何防止过拟合?
网络·人工智能·深度学习·神经网络·算法·计算机视觉
薛定谔的猫-菜鸟程序员1 小时前
零基础玩转深度神经网络大模型:从Hello World到AI炼金术-详解版(含:Conda 全面使用指南)
人工智能·神经网络·dnn
Listennnn2 小时前
优雅的理解神经网络中的“分段线性单元”,解剖前向和反向传播
人工智能·深度学习·神经网络
向上的车轮2 小时前
NOA是什么?国内自动驾驶技术的现状是怎么样的?
人工智能·机器学习·自动驾驶
你觉得2053 小时前
浙江大学朱霖潮研究员:《人工智能重塑科学与工程研究》以蛋白质结构预测为例|附PPT下载方法
大数据·人工智能·机器学习·ai·云计算·aigc·powerpoint
人工干智能4 小时前
科普:One-Class SVM和SVDD
人工智能·机器学习·支持向量机
MPCTHU4 小时前
预测分析(三):基于机器学习的分类预测
人工智能·机器学习·分类
_一条咸鱼_4 小时前
LangChain 入门到精通
机器学习
3DVisionary5 小时前
3D-DIC与机器学习协同模拟材料应力-应变本构行为研究
人工智能·机器学习·3d·3d-dic技术 机器学习·应力-应变本构行为·卷积神经网络(ecnn)·数字图像相关法(dic)