×
徐、陈涛；王苗；池国毅；刘庆山

一种惯性神经网络方法用于冗余机械臂移动机器人的位置操作轨迹跟踪。 （英语） Zbl 1530.93358号

神经网络。 155, 215-223 (2022).
考虑由移动平台和机械手组成的移动机器人的组合控制和优化。本文的主要目标是：i）基于移动机器人的位置可操作性设计轨迹跟踪模型，ii）构建控制律，与已知控制律相比，其性能有所提高。这里，所产生的优化问题的目标函数基于机械手和移动平台的位置可操作性和动能。给出了移动平台在（z）轴上的速度约束，移动平台只能在水平面上移动。iii）为了解决由此产生的增广拉格朗日原对偶优化问题，应用了神经网络方法。此外，通过仿真实验评估了该方法的收敛性能。
审核人：库尔特·马蒂（慕尼黑）

引用于2文件

MSC公司：

93C85号 控制理论中的自动化系统（机器人等）
68T42型 Agent技术与人工智能

关键词：

移动机器人；轨迹跟踪；惯性神经网络；增广拉格朗日乘子法；约束优化
PDF格式BibTeX公司 XML格式引用
\textit{C.Xu}等人，神经网络。155、215至223（2022年；Zbl 1530.93358）
全文： 内政部

参考文献：

[1] 陈，D。；曹，X。；Li，S.，用于时间相关非线性优化的多约束归零神经网络及其在移动机器人跟踪控制中的应用，神经计算，460，331-344（2021）
[2] 陈，D。；李，S。；Liao，L.，一种用于物理约束下移动机器人最优运动控制的递归神经网络，应用软计算，85，第105880页，（2019）
[3] 陈，D。；李，S。；Wu，Q.，一种应用于移动机器人操作器的新型超扭曲归零神经网络，IEEE神经网络和学习系统汇刊，32，4，1776-1787（2021）
[4] 杜菲克，J。；Xiao，X。；Murphy，R.R.，《外部机器人或传感器协助其他机器人的最佳观点》，IEEE人机系统汇刊，51，4，324-334（2021）
[5] 韩，S。；Chon，S。；Kim，J。；Seo，J。；Shin，D.G。；Park，S.，《用于狭窄空间搜索和救援的蛇形机器人抓手模块》，IEEE Robotics and Automation Letters，7，2，1667-1673（2022）
[6] Han，D。；唐，Q。；张，Z。；袁，L。；北卡罗来纳州拉科维蒂。；Li，D.，炼钢和连铸生产调度的高效增广拉格朗日乘数法，化学工程研究与设计，168169-192（2021）
[7] 何，X。；黄，T。；Yu，J。；李，C。；Li，C.，用于求解变分不等式的惯性投影神经网络，IEEE控制论汇刊，47，3，809-814（2017）
[8] 何，X。；温，H。；Huang，T.，解决（L_1）最小化问题的固定时间投影神经网络，IEEE神经网络和学习系统汇刊，1-11（2021）
[9] 何，X。；Yu，J。；黄，T。；李，C。；Li，C.，分布式约束优化的平均拟恒等式算法：脉冲通信框架，IEEE控制论汇刊，50，1，351-360（2020）
[10] 洪，A。；Lunscher，N。；胡，T。；Y.Tsuboi。；张，X。；Franco dos Reis Alves，S.，《用于双向通信的社交机器人的多模式情感人机交互体系结构》，IEEE控制论汇刊，51，12，5954-5968（2021）
[11] 蒋，X。；秦，S。；薛，X。；Liu，X.，分布式凸优化的二阶加速神经动力学方法，神经网络，146，161-173（2022）·Zbl 1522.90096号
[12] 江，Z。；徐，J。；李，H。；黄，Q.，基于人体动力学的机器人宇航员在空间站的稳定停车控制，IEEE机器人学报，36，2，399-413（2020）
[13] Jin，L。；李，S。；拉·H·M。；Luo，X.，使用动态神经网络对冗余机械手进行可操作性优化，IEEE工业电子学报，64，6，4710-4720（2017）
[14] Jin，L。；张杰。；罗，X。；刘，M。；李，S。；Xiao，L.，冗余机器人分布式网络中的扰动可操作性优化，IEEE工业电子学报，68，8，7209-7220（2021）
[15] La Salle，J.P.，《动力系统的稳定性》（1976），SIAM：美国宾夕法尼亚州费城SIAM，（1976）·兹比尔0364.93002
[16] 李，Z。；Li，S.，机械手基于神经网络模型的控制：自动编码器的观点，IEEE神经网络和学习系统汇刊，1-15（2021）
[17] 李，Z。；李，C。；李，S。；Cao，X.，工业冗余机械手运动规划的容错方法，IEEE工业信息学报，16，12，7469-7478（2020）
[18] 李，Z。；Liao，B。；徐，F。；Guo，D.，冗余机器人操作器噪声抑制能力的新型重复运动规划方案，IEEE系统、人与控制论汇刊：系统，50，12，5244-5254（2020）
[19] Li，M。；秦，J。；郑伟新。；Wang，Y。；Kang，Y.，从原对偶优化角度进行随机LQR控制器的无模型设计，Automatica，140，第110253页，（2022）·Zbl 1485.93636号
[20] 李，S。；邵，Z。；Guan，Y.，用于有效控制机械手的动态神经网络方法，IEEE系统、人与控制论汇刊：系统，49，5，932-941（2019）
[21] 李，S。；Zhang，Y。；Jin，L.，使用神经网络的冗余机械手运动控制，IEEE神经网络和学习系统汇刊，28，10，2243-2254（2017）
[22] 李，J。；Zhang，Y。；Mao，M.，具有机器人操作器控制的不同水平动态线性系统的连续和离散调零神经网络，IEEE系统、人和控制论汇刊：系统，50，11，4633-4642（2020）
[23] 林，J。；苗，Z。；钟，H。；彭，W。；Wang，Y。；Fierro，R.，具有可见性约束的移动机器人基于图像的自适应领导跟随编队控制，IEEE工业电子学报，68，7，6010-6019（2021）
[24] 刘，Q。；勒，X。；Li，K.，基于多智能体网络的区域划分经济调度分布式优化算法，IEEE控制论汇刊，51，5，2466-2475（2021）
[25] 刘，N。；Wang，J。；秦，S.，带拟凸不等式和仿射等式约束的非光滑伪凸优化的单层递归神经网络，神经网络，147，1-9（2022）·兹伯利07749919
[26] 刘，Q。；Yang，S。；Wang，J.，分布式约束优化的集体神经动力学方法，IEEE神经网络和学习系统汇刊，28，8，1747-1758（2017）
[27] Mu，Z。；袁，H。；徐伟（Xu，W.）。；刘，T。；Liang，B.，空间超冗余机器人运动学和配置规划的分段几何方法，IEEE系统、人与控制论汇刊：系统，50，5，1746-1756（2020）
[28] Murooka，M。；熊井，I。；Morisawa，M。；Kanehiro，F。；Kheddar，A.，《基于图形搜索和可达性地图的仿人机器人位置操纵规划》，IEEE Robotics and Automation Letters，6，2，1840-1847（2021）
[29] Peyser，G.，《关于Cauchy-Lipschitz定理》，《美国数学月刊》，65，10，760-762（1958）·Zbl 0084.28401号
[30] Radford，N.A。；斯特劳泽，P。；Hambuchen，K.公司。；梅林，J.S。；Akinyode，J.，Valkyrie:美国国家航空航天局（NASA）第一个双足类人机器人，《野外机器人杂志》，32，3，397-419（2015）
[31] Sawadwuthikul，G。；Tothong，T。；Lodkaew，T。；Soisudarat，P。；Nutanong，S。；Manoonpong，P.，《具有少量学习的视觉目标人机通信框架：机器人服务员系统的案例研究》，IEEE工业信息学汇刊，18，3，1883-1891（2022）
[32] Tan，N。；钟，Z。；余，P。；李，Z。；Ni，F.，冗余机械手容错跟踪控制的离散无模型方案，IEEE工业信息学报，1-15（2022）
[33] Wang，J。；王，Z。；陈，X。；邱，J.，时滞惯性神经网络与一般马尔可夫跳变的同步准则，神经网络，13964-76（2021）·Zbl 1526.93273号
[34] 夏，Y。；Leung，H。；Wang，J.，投影神经网络及其在约束优化问题中的应用，IEEE电路与系统汇刊I，49，4，447-458（2002）·Zbl 1368.92019年
[35] 夏，Y。；Wang，J.，用于求解约束二次优化问题的双投影神经网络，IEEE神经网络和学习系统汇刊，27，2，214-224（2016）
[36] 夏，Y。；Wang，J。；Guo，W.，《非线性规划模型复杂度降低的两个投影神经网络》，IEEE神经网络和学习系统汇刊，31,62020-2029（2020）
[37] 肖，Q。；Huang，T.，时滞惯性神经网络在时间尺度上的稳定性：统一矩阵测量方法，神经网络，130，33-38（2020）·Zbl 1478.93564号
[38] 谢，Z。；Jin，L。；罗，X。；李，S。；Xiao，X.，冗余机械手运动学控制的数据驱动循环运动生成方案，IEEE控制系统技术汇刊，29，1，53-63（2021）
[39] 徐，C。；He，X.，智能电网中考虑新型组合神经动力学算法的用户和发电机优化能量调度的全分布式方法，IEEE/CAA自动化杂志，8，7，1325-1335（2021）
[40] 徐，C。；何，X。；黄，T。；Huang，J.，使用混合零元编程优化基于实时价格的需求响应管理问题的组合神经动力学方法，神经计算与应用，32，13，8799-8809（2020）
[41] 徐，C。；Liu，Q.，考虑时钟异步的鲁棒到达时间定位的惯性神经网络方法，神经网络，146，98-106（2022）
[42] 徐，C。；刘，Q。；Huang，T.，拜占庭攻击下分布式约束优化的弹性罚函数方法，信息科学，596362-379（2022）
[43] 张，Z。；陈，S。；Li，S.，用于冗余机械手运动规划的兼容凸非凸约束QP双神经网络，IEEE控制系统技术汇刊，27，3，1250-1258（2019）
[44] 张，S。；Constantinides，A.，拉格朗日编程神经网络，IEEE电路和系统汇刊II：模拟和数字信号处理，39，7，441-452（1992）·Zbl 0758.90067号
[45] 张，H。；Jin，H。；刘，Z。；刘，Y。；Zhu，Y。；Zhao，J.，时变环境下冗余机械手的实时运动控制：多动态避障和运动物体的快速跟踪，IEEE工业信息学报，16，1，28-41（2020）
[46] Zhang，Y。；严，X。；陈，D。；郭，D。；Li，W.，基于QP的精细可操作性最大化方案，用于物理约束轮式移动冗余机械手的协调运动规划和控制，非线性动力学，85，245-261（2016）
[47] 张，X。；Yan，L。；Lam，T.L。；Vijayakumar，S.，多机器人位置操纵的任务空间分解运动规划框架，（2021年IEEE机器人与自动化国际会议（2021），IEEE），8158-8164
[48] 张，F。；Zeng，Z.，时变时滞递归神经网络扰动下的多重拉格朗日稳定性，IEEE系统、人与控制论汇刊：系统，50,62029-241（2020）
[49] 张，Z。；郑，L。；Chen，Z。；Kong，L。；Karimi，H.R.，用于执行协作任务的双冗余机器人操作器的神经网络合成的避免相互碰撞方案，IEEE神经网络和学习系统汇刊，32，3，1052-1066（2021）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。