【摘要】：為提高類人機(jī)器人模仿學(xué)習(xí)的準(zhǔn)確性及效率,建立了一種改進(jìn)的粒子群算法優(yōu)化超限學(xué)習(xí)機(jī)的模仿學(xué)習(xí)模型。采用非線性動(dòng)態(tài)系統(tǒng)對(duì)示教時(shí)的相關(guān)數(shù)據(jù)進(jìn)行建模;以動(dòng)態(tài)自適應(yīng)策略改進(jìn)粒子群算法的慣性權(quán)重,并利用改進(jìn)后的粒子群算法對(duì)超限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)參數(shù)進(jìn)行尋優(yōu);利用該耦合學(xué)習(xí)模型對(duì)模仿學(xué)習(xí)動(dòng)態(tài)系統(tǒng)的參數(shù)進(jìn)行學(xué)習(xí),并重現(xiàn)了模仿學(xué)習(xí)動(dòng)作。實(shí)驗(yàn)結(jié)果表明,該耦合算法應(yīng)用在類人機(jī)器人模仿學(xué)習(xí)方面具有很好的擬合精度、自適應(yīng)性及泛化能力,重現(xiàn)模仿學(xué)習(xí)動(dòng)作時(shí)的平均誤差為0.0172。
[Abstract]:In order to improve the accuracy and efficiency of humanoid robot imitation learning, an improved particle swarm optimization (PSO) simulation learning model for over-the-limit learning machine was established. The nonlinear dynamic system is used to model the data of demonstration time, and the inertia weight of particle swarm optimization algorithm is improved by dynamic adaptive strategy, and the network parameters of over-limited learning machine are optimized by using the improved particle swarm optimization algorithm. The coupling learning model is used to study the parameters of the imitating learning dynamic system, and the imitating learning action is reproduced. The experimental results show that the coupling algorithm has good fitting precision, self-adaptability and generalization ability in humanoid robot imitating learning, and the average error of imitating learning action is 0.0172.
【作者單位】： 遼寧工程技術(shù)大學(xué)機(jī)械工程學(xué)院;遼寧工程技術(shù)大學(xué)力學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(51474121) 遼寧省教育廳資助項(xiàng)目(L2015214)
【分類號(hào)】：TP18;TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 王輝;朱龍彪;朱天成;陳紅艷;邵小江;朱志慧;;基于粒子群遺傳算法的泊車系統(tǒng)路徑規(guī)劃研究[J];工程設(shè)計(jì)學(xué)報(bào);2016年02期

2 于建均;門玉森;阮曉鋼;徐驄馳;;模仿學(xué)習(xí)在機(jī)器人仿生機(jī)制研究中的應(yīng)用[J];北京工業(yè)大學(xué)學(xué)報(bào);2016年02期

3 劉濤;于建均;阮曉鋼;;基于概率軌跡匹配的機(jī)器人模仿學(xué)習(xí)方法[J];計(jì)算機(jī)測(cè)量與控制;2015年11期

4 何群;李磊;江國乾;謝平;;基于PCA和多變量極限學(xué)習(xí)機(jī)的軸承剩余壽命預(yù)測(cè)[J];中國機(jī)械工程;2014年07期

5 徐莉;劉振方;王建丞;羅志強(qiáng);;仿人機(jī)器人綜述[J];黑龍江科學(xué);2013年07期

6 吳曉剛;王旭東;余騰偉;張宇;;基于粒子群優(yōu)化的電磁離合器模糊控制研究[J];中國機(jī)械工程;2010年09期

相關(guān)碩士學(xué)位論文 前1條

1 白彥偉;基于微分幾何移動(dòng)機(jī)械臂非線性控制的研究[D];哈爾濱工業(yè)大學(xué);2007年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱龍彪;王輝;王景良;邵小江;朱志慧;;基于動(dòng)態(tài)時(shí)間窗的泊車系統(tǒng)路徑規(guī)劃研究[J];工程設(shè)計(jì)學(xué)報(bào);2017年04期

2 李文華;楊子凝;王來貴;;基于耦合算法的類人機(jī)器人模仿學(xué)習(xí)控制方法[J];中國機(jī)械工程;2017年14期

3 王琪;孫玉坤;倪福銀;陳泰洪;陳連玉;羅印升;;混合動(dòng)力汽車電池內(nèi)部狀態(tài)預(yù)測(cè)的貝葉斯極限學(xué)習(xí)機(jī)方法[J];中國機(jī)械工程;2016年22期

4 王凌;陳長(zhǎng)駿;潘靜;許宏;陳錫愛;那文波;;地鐵車輛電動(dòng)塞拉門的剩余壽命預(yù)測(cè)[J];中國機(jī)械工程;2016年22期

5 朱駿;馬潔;;基于SMF-WPR-KPCA算法的軸承特征提取[J];機(jī)械工程與自動(dòng)化;2016年05期

6 宋小瑛;肖金鳳;傅艦艇;李耀;;多關(guān)節(jié)靈巧手混合遙操作控制系統(tǒng)[J];自動(dòng)化與儀表;2016年03期

7 徐立友;李晴;周志立;;一種改進(jìn)遺傳算法在離合器參數(shù)優(yōu)化中的應(yīng)用[J];中國機(jī)械工程;2015年24期

8 何俊;張清華;孫國璽;胡勤;;旋轉(zhuǎn)機(jī)械剩余壽命預(yù)測(cè)的回顧與展望[J];廣東石油化工學(xué)院學(xué)報(bào);2015年03期

9 李鵬;張凡凡;楊文權(quán);韓恒恒;趙進(jìn);;仿人機(jī)器人抬起重物的運(yùn)動(dòng)學(xué)仿真[J];制造業(yè)自動(dòng)化;2015年05期

10 姜媛媛;魏衡華;;基于云平臺(tái)的多機(jī)器人遠(yuǎn)程實(shí)時(shí)控制系統(tǒng)設(shè)計(jì)[J];微型機(jī)與應(yīng)用;2014年19期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬國慶;李瑞峰;劉麗;;學(xué)習(xí)因子和時(shí)間因子隨權(quán)重調(diào)整的粒子群算法[J];計(jì)算機(jī)應(yīng)用研究;2014年11期

2 喬俊飛;王超;劉昌芬;;基于改進(jìn)的自適應(yīng)粒子群算法的給水管網(wǎng)優(yōu)化設(shè)計(jì)[J];北京工業(yè)大學(xué)學(xué)報(bào);2014年07期

3 文天柱;許愛強(qiáng);汪定國;;故障診斷專家系統(tǒng)的可拓知識(shí)表示和匹配研究[J];計(jì)算機(jī)測(cè)量與控制;2014年06期

4 徐翔;梁瑞仕;楊會(huì)志;;基于改進(jìn)遺傳算法的智能體路徑規(guī)劃仿真[J];計(jì)算機(jī)仿真;2014年06期

5 雷偉軍;程筱勝;戴寧;郭保蘇;李向佳;;基于改進(jìn)遺傳算法的多模型加工路徑規(guī)劃[J];機(jī)械工程學(xué)報(bào);2014年11期

6 高斐;李洪儒;許葆華;;基于ICPSO優(yōu)化的極限學(xué)習(xí)機(jī)在故障診斷中的應(yīng)用[J];中國機(jī)械工程;2013年20期

7 王波;張曉磊;;基于粒子群遺傳算法的云計(jì)算任務(wù)調(diào)度研究[J];計(jì)算機(jī)工程與應(yīng)用;2015年06期

8 趙遠(yuǎn)東;方正華;;帶有權(quán)重函數(shù)學(xué)習(xí)因子的粒子群算法[J];計(jì)算機(jī)應(yīng)用;2013年08期

9 樊明;郭藝;，

本文編號(hào)：2456658