文献

J-GLOBAL ID：201902253358133218   整理番号：19A2906724

物理的制約を持つ移動ロボットの最適運動制御に適用したリカレントニューラルネットワーク【JST・京大機械翻訳】

A recurrent neural network applied to optimal motion control of mobile robots with physical constraints

著者 (3件)： Chen Dechao (School of Computer Science and Technology, Hangzhou Dianzi University, Hangzhou 310018, PR China) ,  Li Shuai (School of Engineering, Swansea University, Swansea, postcode SA1 7EN, United Kingdom) ,  Liao Liefa (School of Information Engineering, Jiangxi University of Sicence and Technology, Ganzhou, 341204, PR China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 85  ページ： Null  発行年： 2019年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 従来の反復ニューラルネットワーク(CRNN)や勾配再帰ニューラルネットワーク(GRNN)のような従来の解は,反復ニューラルネットワーク(RNN)の統一フレームワークにおける移動ロボットの運動制御のために,基準最適化と物理的制約の両方を同時に考慮することが困難である。RNN解の限界は,タスク実行中の物理的制約を超えるための移動ロボットの損傷をもたらす可能性がある。この限界を克服するために,本論文では,移動ロボットの運動制御を扱うために,新しい不等式および同等性制約付き最適化RNN(IECORNN)を提案した。まず第一に,基準最適化と物理的制約の両方によるリアルタイム運動制御問題を,Lagrange乗数規則を活用することによって,リアルタイム等式システムに巧みに変換する。次に,提案したIECORNNのための詳細な設計プロセスを,開発したニューラルネットワークアーキテクチャと共に提示した。その後,運動制御問題変換等価性,グローバル安定性,および指数関数的収束性に関する理論的解析を厳密に提供した。最後に,2つの数値シミュレーション検証と他の既存のRNNs,例えばCRNNとGRNNとの広範囲な比較,2つの異なる経路追跡応用のための移動ロボットに基づいて,基準最適化と物理的制約の両方を有する移動ロボットのリアルタイム運動制御のための提案IECORNNの有効性と優位性を十分に実証した。本研究は,理論と実践の両方において進歩し,移動ロボットの運動制御におけるRNNの統一フレームワークにおける空格子点を満たす。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  Lagrange乗数法 ,  等価性 ,  有効性 ,  指数関数 ,  最適化 ,  不等式 ,  *移動ロボット ,  運動制御
準シソーラス用語： 経路トラッキング ,  数値シミュレーション ,  ニューラルネットワークアーキテクチャ ,  実時間 ,  制約付最適化 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： リカレントニューラルネットワーク(RNN) ,  運動制御 ,  移動ロボット ,  基準最適化 ,  物理的制約

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 物理 ,  制約 ,  ロボット ,  リカレントニューラルネットワーク