关节约束归零神经网络

抗噪轨迹跟踪

在存在外部噪声干扰和关节角度约束的情况下，该模型仍能保持收敛，并已在移动机械手物理平台上验证。

孙中波 · Yuzhe, Fei · Tang, Shijun · Xingtian, Xiao · Jun, Luo · 刘克平

Engineering Applications of Artificial Intelligence 2024

技术优势

两项挑战同时处理

与只考虑噪声或关节约束的方法不同，NSZNN-JAC同时考虑两者，更贴近实际应用。

抗噪收敛有理论保证

理论分析证明NSZNN-JAC在噪声干扰下仍能保持收敛。

物理平台上跑通

不仅仿真有效，而且已在实际物理平台上执行轨迹跟踪任务。

应用场景

• 移动机械手控制：用于移动机械手在嘈杂环境中执行轨迹跟踪，提高控制鲁棒性。
• 机器人轨迹跟踪：为机器人在噪声和关节限制下提供收敛的跟踪算法。
• 工业机器人控制：可应用于工业机器人，提高其在干扰和约束下的控制性能。