兩自由度機械臂智能優(yōu)化控制方法的研究.pdf

1、本文將禁忌搜索算法應用到神經(jīng)網(wǎng)絡的全局搜索過程中。利用禁忌搜索的全局搜索的特點，來改善梯度下降算法的全局搜索特性，提高學習算法跳出局部極小值的能力。在此基礎上，以兩自由度機械臂作為研究對象，設計了基于行為控制的智能控制器。該智能控制器將強化學習算法應用于基于行為控制的機械臂控制中。通過運用基于行為控制的思想和強化學習的思想，該智能控制器具有很強的自主學習的能力，他能根據(jù)學習效果在線地調(diào)整學習策略。得到的智能控制器模型可廣泛應用于智能機器

2、人控制中的各個方向。 本文主要做了以下兩方面的工作：(1)提出了一種基于禁忌搜索思想的神經(jīng)網(wǎng)絡全局優(yōu)化算法(TBBP)。通過在全局范圍內(nèi)應用禁忌搜索算法來控制學習過程和搜索空間，使神經(jīng)網(wǎng)絡的學習算法能較好地跳出局部極小點，提高了神經(jīng)網(wǎng)絡的全局優(yōu)化能力。通過對不同非線性函數(shù)的逼近，該算法對非線性函數(shù)的逼近能力有顯著的提高。(2)針對兩自由度機械臂的運動控制問題，設計了一種基于行為控制的智能控制器。該智能控制器采用“評價—控制”模型