文献

J-GLOBAL ID：201602253946340687   整理番号：16A0328404

6Rロボットのための逆運動学と運動軌跡のシミュレーションの解【Powered by NICT】

Solution of Inverse Kinematics and Movement Trajectory Simulation for 6R Robot

著者 (4件)： Han Xingguo (School of Manufacturing Sci. and Eng.,Sichuan Univ., Chengdu) ,  Yin Ming (School of Manufacturing Sci. and Eng.,Sichuan Univ., Chengdu) ,  Liu Xiaogang (Dept. of Mechanical Eng.,Guilin Univ. of Aerospace Technol, Guilin) ,  Yin Guofu (School of Manufacturing Sci. and Eng.,Sichuan Univ., Chengdu)
資料名： Sichuan Daxue Xuebao. Gongchengkexueban  (Sichuan Daxue Xuebao. Gongchengkexueban)
巻： 47  号： 6  ページ： 185-190  発行年： 2015年 
JST資料番号： C2596A  ISSN： 1009-3087  CODEN： SXGKFI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： その精度と効率を改善するために提示した動的ファジィニューラルネットワーク(D-FNN)に基づいた6Rロボットの逆運動学方程式を解くための新しい方法を開発した。6Rロボットの逆運動学方程式の高次非線形性とこれらの方程式を解くための複雑性の観点から,FNNは,多入力,多出力システムのために適合させ,また6Rロボットの逆運動学的解法予測モデルを確立するために改善された。作業空間における位置と方向の両方の試料は,前方運動学により得られた予測モデルの入力変数が,出力変数は関節空間における関節角度であったと考えられた。逆運動学解予測モデルはサンプルデータにより訓練した。最後に,この予測モデルはKR16 2ロボットの複雑な運動軌跡シミュレーションに適用し,予測結果は動径基底関数(RBF)と逆伝播(BP)ニューラルネットワークに基づく予測モデルのものと比較した。比較は6Rロボットの逆運動学方程式を解くためのFNN予測モデルの精度が高い,最適ロバスト性と強い一般化能力を持ち,実用的かつ有効的であることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： ロバスト性 ,  シミュレーション ,  予測モデル ,  動径基底関数 ,  ファジィニューラルネットワーク ,  作業空間 ,  *ロボット ,  ニューラルネットワーク ,  非線形性
準シソーラス用語： 関節角度 ,  複雑性 ,  *運動軌道 ,  *逆運動学 , 【Automatic Indexing@JST】

分類 (2件)： 計算機シミュレーション  (JE11000H) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： ロボット ,  運動学 ,  運動軌跡 ,  シミュレーション ,  解