排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
由于机械手逆运动学问题的求解存在多解且非常复杂,以往解决机械手的逆运动学求解问题主要是通过神经网络逆模型来建立机械手的逆运动学模型然后通过遗传或改进的BP算法来训练神经网络的权(阀)值矩阵从而达到问题的求解,然而这种方法在建立神经网络的逆模型时要对训练数据进行限制或筛选使其成为单解问题(即满足逆映射关系存在的要求),这对于那些对数据事先进行处理很困难或根本无法进行的复杂系统是不可行,为此提出了一种采用小脑神经网络和约束条件相结合的方法来解决逆运动学问题.研究结果表明此方法可以很好的解决机械手的逆运动学控制问题,同时该方法可以推广应用到那些通过数学模型求解困难或者数学模型不确知的复杂系统反求问题. 相似文献
2.
3.
在对压铸机合模机构进行结构设计时,利用神经网络的非线性映射能力,通过少量样本的有限元分析结果,训练出表述结构参数间函数关系的神经网络模型,然后利用遗传算法的全局寻优性找到神经网络模型表述的目标函数的最优结构参数,从而解决结构优化设计的瓶颈和智能问题,利用这种优化设计策略,设计了压铸机合模机构座板,结果表明了该方法的高效性。 相似文献
1