.png){kind=icon}
返回
Enhancing Control Systems with Neural Network-Based Intelligent Controllers
.png){kind=icon}
OA
AI
DOI：10.28991/esj-2024-08-04-01.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
神经控制器在移动机器人动态模型中面临的主要挑战在于其处理系统动力学固有复杂性的能力。鉴于移动机器人表现出非线性运动并受多种环境条件影响，它们需应对复杂的动态环境。神经控制器必须展现出持续适应并有效学习以管理机器人动态中存在的变化性的能力。本文介绍了两种采用神经网络的智能控制器，展示了它们在机器人领域的相关性。第一种控制器被称为神经PID（PIDN），它将传统PID控制器与神经网络组件相结合。第二种控制器利用差分机器人的动态模型来改进轨迹跟踪，采用结合PID与神经网络（PID+NN）的并行架构。我们的方案遵循级联结构，其中外环通过运动学控制器率先减少位置误差，同时内环通过所提出的控制器调节线速度和角速度。这些控制器在CoppeliaSIM仿真器中得到验证，为评估所选Pioneer 3-DX机器人的行为提供了真实环境。为全面评估控制器性能，考察了三种策略：PIDN、PID+NN和传统PID。通过结合定性与定量分析，并采用多种性能指标，所提出控制器的优势得以显现。Doi: 10.28991/ESJ-2024-08-04-01 全文：PDF
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息