[发明专利]一种基于RBF神经网络的机械臂控制方法在审
| 申请号： | 201811338287.3 | 申请日： | 2018-11-12 |
| 公开（公告）号： | CN109227550A | 公开（公告）日： | 2019-01-18 |
| 发明（设计）人： | 曲兴田;田农;王鑫;杜雨欣;张昆;李金来;刘博文;王学旭 | 申请（专利权）人： | 吉林大学 |
| 主分类号： | B25J9/16 | 分类号： | B25J9/16 |
| 代理公司： | 长春市恒誉专利代理事务所(普通合伙) 22212 | 代理人： | 鞠传龙 |
| 地址： | 130012 吉*** | 国省代码： | 吉林;22 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于RBF神经网络的机械臂控制方法，其方法为：步骤一、提供一种机械臂的认知学习模型机理；步骤二、提出一种基于小脑‑基底神经节的行为认知模型和混合学习算法；步骤三、采用人工神经网络和强化学习方法建立一个能使机械臂自主学习的数学模型；步骤四、在Matlab中，建立机械臂仿真实验模型；步骤五、验证基于RBF神经网络的机械臂控制方法。有益效果：不仅适应于机械臂，还可应用在其他机械领域。可在其他控制领域应用。更适用于应用，可以大大减少程序员的工作量。具有自主学习能力的机械臂在未来更具有竞争力。 | ||
| 搜索关键词： | 机械臂 机械臂控制 认知 混合学习算法 人工神经网络 基底神经节 仿真实验 机械领域 领域应用 强化学习 数学模型 学习能力 小脑 工作量 应用 验证 学习 | ||
【主权项】：
1.一种基于RBF神经网络的机械臂控制方法，其特征在于：其方法如下所述：步骤一、根据人脑认知系统各模块的工作原理和操作条件反射的机理，提供一种机械臂的认知学习模型机理；步骤二、提出一种基于小脑‑基底神经节的行为认知模型和混合学习算法；步骤三、基于径向基函数网络的小脑‑基底神经节操作条件学习算法设计，采用人工神经网络和强化学习方法建立一个能使机械臂自主学习的数学模型；步骤四、采用基于径向基函数网络的小脑‑基底神经节操作条件认知学习模型，控制机械臂，在Matlab中，建立机械臂仿真实验模型；步骤五、在Matlab中，通过改变参数和变量进行可行性的测试，验证基于RBF神经网络的机械臂控制方法。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于吉林大学，未经吉林大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811338287.3/，转载请声明来源钻瓜专利网。
