本文關(guān)鍵詞：具有模仿學(xué)習(xí)機(jī)制的機(jī)械臂系統(tǒng)的研究與實現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：機(jī)械臂是機(jī)器人技術(shù)領(lǐng)域中應(yīng)用最廣泛的自動化機(jī)械裝置,因此機(jī)械臂行為獲取的研究是機(jī)器人運(yùn)動技能研究的一個重要方面。模仿是人類和動物獲取運(yùn)動技能的一種重要學(xué)習(xí)方式,機(jī)械臂采用模仿學(xué)習(xí)機(jī)制獲取行為能夠簡化動作編碼、提升學(xué)習(xí)效率。本文圍繞機(jī)械臂通過模仿學(xué)習(xí)的方法獲取行為動作能力展開研究,論文主要工作為:第一,具有模仿學(xué)習(xí)機(jī)制的機(jī)械臂系統(tǒng)設(shè)計及示教行為信息的獲取:基于機(jī)器人模仿學(xué)習(xí)系統(tǒng)流程框架和目前機(jī)械臂存在的問題,設(shè)計了具有模仿學(xué)習(xí)機(jī)制的手把手示教機(jī)械臂系統(tǒng),根據(jù)手把手示教特點設(shè)計了系統(tǒng)離線示教的供電方案,完成了硬件模塊的選型及調(diào)試。在ADAMS環(huán)境下搭建了機(jī)械臂的三維等比例仿真模型,通過拖動仿真功能模擬手把手示教過程,完成示教行為信息的采集,并針對機(jī)械臂的運(yùn)動學(xué)模型對示教行為信息進(jìn)行處理以獲取機(jī)械臂的關(guān)節(jié)角運(yùn)動信息。第二,基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的機(jī)械臂模仿學(xué)習(xí)控制策略設(shè)計與實現(xiàn):針對傳統(tǒng)機(jī)械臂控制方法編程復(fù)雜、學(xué)習(xí)效率低等問題,采用一種改進(jìn)BP神經(jīng)網(wǎng)絡(luò)表達(dá)模仿學(xué)習(xí)策略,基于示教行為信息完成網(wǎng)絡(luò)的構(gòu)建和參數(shù)設(shè)計,針對BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值選取提出了基于遺傳算法的網(wǎng)絡(luò)權(quán)值優(yōu)化方法,完成網(wǎng)絡(luò)訓(xùn)練以獲取機(jī)械臂行為模仿策略�；贏DAMS和MATLAB環(huán)境建立了機(jī)械臂的三維聯(lián)合仿真系統(tǒng),完成了機(jī)械臂模仿學(xué)習(xí)的三維運(yùn)動仿真實驗研究,實現(xiàn)了機(jī)械臂行為動作的模仿。第三,基于RBF神經(jīng)網(wǎng)絡(luò)的機(jī)械臂復(fù)雜行為模仿研究及基于高斯混合模型的最優(yōu)示教軌跡獲取:針對機(jī)械臂復(fù)雜行為動作的獲取以及手把手示教軌跡多樣性的問題,采用RBF神經(jīng)網(wǎng)絡(luò)表達(dá)模仿學(xué)習(xí)策略,采用高斯混合模型(GMM)和高斯混合回歸(GMR)對多次示教軌跡進(jìn)行優(yōu)化,獲取行為動作的最優(yōu)示教軌跡�；谧顑�(yōu)示教軌跡及RBF神經(jīng)網(wǎng)絡(luò)獲取機(jī)械臂復(fù)雜行為模仿學(xué)習(xí)策略,通過仿真實驗研究,實現(xiàn)了機(jī)械臂復(fù)雜行為動作的模仿。本文研究成果在提升機(jī)械臂系統(tǒng)的學(xué)習(xí)效率和學(xué)習(xí)精度上具有積極意義,對于機(jī)械臂系統(tǒng)行為動作的獲取具有一定的應(yīng)用價值。
【關(guān)鍵詞】：機(jī)械臂 模仿學(xué)習(xí) 行為模仿策略 軌跡優(yōu)化 聯(lián)合仿真
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP241
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-25
• 1.1 研究背景和意義9-10
• 1.2 機(jī)械臂的發(fā)展概述10-12
• 1.2.1 機(jī)械臂及其應(yīng)用10-11
• 1.2.2 機(jī)械臂的發(fā)展歷程11-12
• 1.2.3 機(jī)械臂研究存在的問題12
• 1.3 機(jī)器人模仿學(xué)習(xí)12-18
• 1.3.1 機(jī)器人模仿學(xué)習(xí)的仿生學(xué)及認(rèn)知生物學(xué)背景12-14
• 1.3.2 機(jī)器人模仿學(xué)習(xí)系統(tǒng)14
• 1.3.3 機(jī)器人模仿學(xué)習(xí)的特點及優(yōu)勢14-15
• 1.3.4 機(jī)器人模仿學(xué)習(xí)行為獲取的方式15-16
• 1.3.5 機(jī)器人模仿學(xué)習(xí)行為表征的方法16-18
• 1.4 機(jī)器人模仿學(xué)習(xí)的國內(nèi)外研究現(xiàn)狀18-24
• 1.4.1 行為動作的模仿18-22
• 1.4.2 認(rèn)知機(jī)理的模仿22-24
• 1.5 本文的研究內(nèi)容及組織結(jié)構(gòu)24-25
• 第2章 具有模仿學(xué)習(xí)機(jī)制的機(jī)械臂系統(tǒng)設(shè)計與實現(xiàn)25-43
• 2.1 引言25
• 2.2 具有模仿學(xué)習(xí)機(jī)制的機(jī)械臂系統(tǒng)組成25-27
• 2.2.1 機(jī)械臂系統(tǒng)硬件組成架構(gòu)分析25-26
• 2.2.2 機(jī)械臂模型結(jié)構(gòu)確定26-27
• 2.3 機(jī)械臂系統(tǒng)硬件模塊的設(shè)計與實現(xiàn)27-37
• 2.3.1 機(jī)械臂系統(tǒng)的感知模塊27-29
• 2.3.2 機(jī)械臂系統(tǒng)的學(xué)習(xí)模塊29-31
• 2.3.3 機(jī)械臂系統(tǒng)的執(zhí)行模塊31-33
• 2.3.4 機(jī)械臂系統(tǒng)的電源模塊33-34
• 2.3.5 機(jī)械臂系統(tǒng)的硬件調(diào)試34-37
• 2.4 具有模仿學(xué)習(xí)機(jī)制的機(jī)械臂系統(tǒng)行為模仿流程37-39
• 2.5 基于ADAMS的機(jī)械臂三維仿真模型的建立39-42
• 2.5.1 機(jī)械臂三維仿真等比例模型的建立39-41
• 2.5.2 手把手示教行為信息的獲取及處理41-42
• 2.6 本章小結(jié)42-43
• 第3章 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的機(jī)械臂行為模仿研究與實現(xiàn)43-63
• 3.1 引言43
• 3.2 基于BP神經(jīng)網(wǎng)絡(luò)模仿學(xué)習(xí)策略的設(shè)計43-51
• 3.2.1 BP神經(jīng)網(wǎng)絡(luò)的原理及特點43-45
• 3.2.2 基于模仿學(xué)習(xí)任務(wù)的BP網(wǎng)絡(luò)構(gòu)建及參數(shù)設(shè)計45-47
• 3.2.3 基于BP網(wǎng)絡(luò)訓(xùn)練的模仿學(xué)習(xí)策略獲取47-51
• 3.3 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化及改進(jìn)51-55
• 3.3.1 遺傳算法的原理及特點52
• 3.3.2 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化52-53
• 3.3.3 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的機(jī)械臂模仿學(xué)習(xí)及對比實驗53-55
• 3.4 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的機(jī)械臂系統(tǒng)模仿學(xué)習(xí)流程55-56
• 3.5 基于ADAMS和MATLAB的機(jī)械臂行為模仿聯(lián)合仿真56-61
• 3.5.1 機(jī)械臂聯(lián)合仿真系統(tǒng)的建立56-58
• 3.5.2 機(jī)械臂行為模仿聯(lián)合仿真實驗58-60
• 3.5.3 機(jī)械臂復(fù)雜行為動作的模仿60-61
• 3.6 本章小結(jié)61-63
• 第4章 機(jī)械臂復(fù)雜行為模仿及示教軌跡優(yōu)化的研究與實現(xiàn)63-81
• 4.1 引言63
• 4.2 基于RBF神經(jīng)網(wǎng)絡(luò)模仿學(xué)習(xí)策略的設(shè)計63-68
• 4.2.1 RBF神經(jīng)網(wǎng)絡(luò)的原理及特點63-64
• 4.2.2 基于行為模仿任務(wù)的RBF網(wǎng)絡(luò)構(gòu)建64-65
• 4.2.3 基于RBF網(wǎng)絡(luò)訓(xùn)練的模仿學(xué)習(xí)策略獲取65-67
• 4.2.4 RBF神經(jīng)網(wǎng)絡(luò)與改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在模仿學(xué)習(xí)任務(wù)中的應(yīng)用67-68
• 4.3 基于高斯混合模型的示教軌跡優(yōu)化68-74
• 4.3.1 高斯混合模型的原理及特點68-69
• 4.3.2 基于高斯混合模型的示教軌跡表征69-71
• 4.3.3 基于高斯混合回歸的示教軌跡優(yōu)化71
• 4.3.4 機(jī)械臂最優(yōu)示教軌跡獲取及抗干擾實驗71-74
• 4.4 基于最優(yōu)示教軌跡及RBF神經(jīng)網(wǎng)絡(luò)的機(jī)械臂系統(tǒng)模仿學(xué)習(xí)流程74-75
• 4.5 基于最優(yōu)示教軌跡的機(jī)械臂復(fù)雜行為模仿及聯(lián)合仿真75-79
• 4.6 本章小結(jié)79-81
• 結(jié)論81-83
• 參考文獻(xiàn)83-87
• 攻讀碩士學(xué)位期間所取得的研究成果87-89
• 致謝89

  本文關(guān)鍵詞：具有模仿學(xué)習(xí)機(jī)制的機(jī)械臂系統(tǒng)的研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號：279256