摘要：机械手轨迹跟踪控制问题在机器人研究领域占有举足轻重的地位,现在已有很多控制方法,但是控制效果都不够理想。设计了基于t-s型模糊神经网络的机械手轨迹跟踪控制方案,用改进自适应遗传算法与BP算法相结合的混合学习算法来优化网络的权值。仿真试验表明,该控制方案能很好地控制机械手的轨迹跟踪,因而是可行且有效的。

摘要：为优化模糊神经网络的实时性、学习速度、收敛性、稳定性,在移动机器人局部路径规划中构建了基于实际隶属函数t-s(takagi-sugeno)模型的改进型模糊神经网络。结合静态、动态障碍物并存环境下机器人路径规划的实际,综合考虑二维直角坐标体系下机器人、障碍物的位置、速度及运动方向等实时信息,推导出一种新的具有实际含义的隶属函数作为避碰隶属函数,采用五层t-s型模糊神经网络及改进型误差反传学习算法。通过计算机仿真,验证了所提方略对动态环境下移动机器人路径规划具有较高的实时性和有效性。