论文部分内容阅读
递归神经网络是一种并行计算方法,具有高速处理数据的能力,这使得其可用于实时求解时变矩阵问题。已有的递归神经网络的作用时域为零到无穷大,而周期时变问题是一类周期时间运行问题,其作用时间为一个周期时间。周期时变矩阵求逆、具备周期性的二次规划问题是一类普遍周期时变矩阵问题。周期时变矩阵求逆中包含了周期时变方阵求逆、周期时变矩阵广义逆求解。冗余机械臂轨迹规划问题是周期时变问题的一类实际体现。针对这类周期时变问题,本文提出了一类重复神经网络。与一般的无限区间神经计算相比较,这类网络主要是针对周期时变矩阵的计算问题。本文的主要工作如下:1.基于递归神经计算方法,提出重复神经网络,利用Barbalat-Like引理分析其收敛性。2.针对周期时变方阵求逆问题,结合重复神经网络,确定相应的重复神经网络求解模型。给出实际算例,根据上述模型,仿真求解该算例。3.针对周期时变矩阵广义逆问题,结合重复神经网络,确定重复神经网络求解左伪逆模型、重复神经网络求解右伪逆模型。分别列举左右伪逆算例,根据上述两类求解模型,搭建Matlab/Simulink模型,模型中的激励函数采用线性激励函数和双曲激励函数,利用Matlab/Simulink模型求解。4.针对周期时变二次规划问题,结合重复神经网络,确定相应的重复神经网络求解模型。给出算例,结合求解模型仿真求解该算例。5.将冗余机械臂轨迹规划问题转化为二次规划问题,考虑其运行任务的周期性,结合重复神经网络,确定对应的重复神经网络模型,仿真求解冗余机械臂轨迹规划方案。