elm在机器人建模与控制中的应用研究

《elm在机器人建模与控制中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TP183密级：公开UDC：本校编号：硕士学位论文论文题目：ELM在机器人建模与控制中的应用研究研究生姓名：罗仲梦学号：0211447学校指导教师姓名：李军职称：教授申请学位等级：工学硕士学位专业：控制理论与控制工程论文提交日期：2014.6.12论文答辩日期：2014.6.7万方数据硕士学位论文ELM在机器人建模与控制中的应用研究ResearchonApplicationofELMinModelingandControlofRobots作者姓名：罗仲梦学科、专业：控制理论与控制工程学号：0211447指导教师：李军

2、教授完成日期：2014年4月22日兰州交通大学LanzhouJiaotongUniversity万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含获得兰州交通大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解兰州交通大学有关保留、使用学位论文的规定。

3、特授权兰州交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日万方数据兰州交通大学硕士学位论文摘要机器人的建模与控制一直作为机器人研究中最重要的领域之一，工业、学术等各界都给予了高度重视。机器人的发展主要是控制技术的提升，机器人系统存在着非线性、强耦合、时变及其存在多种非确定因素的特点，很难对其建立精确的机理模型

4、。NN(NeuralNetworks,神经网络)因其不依赖控制对象精确的数学模型的优良特性作为一种非线性系统辨识与控制方法，已经得到广泛的应用。ELM(ExtremeLearningMachine,极限学习机)是近年提出的一种新型SLFN(Single-hiddenLayerFeedforwardNeural,单隐层前馈神经网络)，以其独特的网络结构训练算法具有极快的训练学习速度（比传统网络提高数千倍），有很强的逼近能力（若隐层节点足够多的时候可以逼近零误差），而且克服了传统网络训练算法复杂，容易陷入局部极小等问题，ELM网络可

5、以很容易解决上述问题。将ELM网络应用到非线性系统的辨识与过程中，与传统的方法进行比较，实验仿真表明了该方法的有效性与实用性。本文研究内容包括如下几个方面：(1)对ELM网络的基本特性及学习算法进行了深入分析，给出了其离线及基于RLS(RecursiveLeastSquare,递推最小二乘)法的OS-ELM(OnlineSequentialExtremeLearningMachine,在线极限学习机)学习算法，研究了复杂的机器人拉格朗日动力学的数学模型分析和推导。(2)研究了包括NARMA(NonliearAutoRegress

6、iveMovingAverage,非线性自回归滑动平均)系统、多维非线性系统、液压驱动机器人臂、高尔夫机器人和7自由度SARCOS拟人机器人臂等系统辨识中的应用，针对所研究的系统存在单输入单输出、多输入多输出对ELM网络做了不同辨识网络结构设计。实验结果表明，在相同条件下，与RBF(RadialBasisFunction,径向基函数)神经网络及SVM(SupportVectorMachines,支持向量机)等方法比较，ELM网络不仅具有快速稳定的学习速度，而且辨识精确度也很高。(3)研究了ELM网络在控制中的应用。首先针对一个典

7、型非线性系统进行轨迹跟踪控制；而后基于ELM网络设计了一个单机械臂的补偿控制器，用网络补偿实现位置跟踪；最后基于ELM在二自由度机械手轨迹跟踪控制中的应用，利用机械手不确定部分的逆模型设计了ELM控制器。实验仿真结果表明，与其他方法相比能够得到很小控制误差，轨迹跟踪效果非常好。关键词：极限学习机；机器人；辨识；控制；非线性系统论文类型：应用基础研究-I-万方数据ELM在机器人建模与控制中的应用研究AbstractModelingandcontrolsystemisoneofthemostimportantresearchfiel

8、dsofrobotics,whichtheindustry,academicandotherspaidmoreattentionto.Thedevelopmentofrobotsmainlydependsonthehighlevelofthecontroltec