Terminal Recurrent Neural Networks for Time-Varying Reciprocal Solving With Application to Trajectory Planning of Redundant Manipulators

计算机科学 趋同(经济学) 基质(化学分析) 互惠的 控制理论(社会学) 职位(财务) 激活函数 弹道 人工神经网络 功能(生物学) 数学优化 算法 循环神经网络 控制(管理) 数学 人工智能 语言学 哲学 物理 天文 材料科学 财务 进化生物学 经济 复合材料 生物 经济增长
作者
Ying Kong,Yunliang Jiang,Xiaoyun Xia
出处
期刊:IEEE transactions on systems, man, and cybernetics [Institute of Electrical and Electronics Engineers]
卷期号:: 1-13 被引量:1
标识
DOI:10.1109/tsmc.2020.2998485
摘要

Time-varying matrix reciprocal problems are widely appeared in different matrix computations and engineering fields. Neural networks as a powerful tool have been developed to solve the time-varying problems. Recurrent neural networks (RNNs) are designed considering mainly for two aspects: 1) convergent precision and 2) convergent time. The core part of the existed neural methods is to design various kinds of activation function for time-varying matrix solving. However, most of the activation functions of neural networks are with infinite value, which demands long convergent time and are not applicable in practical engineering fields. This note proposes theoretical analyses and simulation results on the performance of terminal RNN (TRNN) and accelerated TRNN (ATRNN) with finite-time convergence, which is not only designed for constant matrix inversions but also for time-varying reciprocal matrix. Compared to the traditional RNNs, TRNNs are of limit-valued activation function and possess a finite time convergence property. The simulation results for time-varying reciprocal solving validate the perfect performance solved by TRNN and ATRNN. In addition, a quadratic program (QP) of velocity minimization based on TRNN is proposed to solve the trajectory tracking problems without considering the initial position error of the redundant manipulators. Finally, practical experiments of the redundant manipulators based on PUMA560 show the effectiveness and accuracy of the proposed approaches.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
清秀的煜城完成签到,获得积分10
刚刚
桃紫完成签到,获得积分10
刚刚
Ava应助顶刊收割机采纳,获得10
1秒前
曾无忧发布了新的文献求助10
2秒前
梦璃完成签到,获得积分10
2秒前
bono完成签到 ,获得积分10
4秒前
4秒前
4秒前
科目三应助糯米种子采纳,获得10
5秒前
oceanao应助糯米种子采纳,获得10
5秒前
Hello应助糯米种子采纳,获得30
5秒前
5秒前
lym完成签到,获得积分10
5秒前
seeyou完成签到 ,获得积分10
7秒前
谨慎寻芹完成签到,获得积分10
7秒前
小付完成签到,获得积分10
7秒前
阳光青烟发布了新的文献求助10
7秒前
orange完成签到 ,获得积分10
7秒前
whuhustwit完成签到,获得积分10
8秒前
zj完成签到,获得积分10
8秒前
取法乎上完成签到 ,获得积分10
8秒前
香蕉惜霜发布了新的文献求助10
9秒前
友好冥王星完成签到 ,获得积分10
9秒前
AU完成签到,获得积分10
12秒前
qqqdewq完成签到,获得积分10
12秒前
流口水完成签到,获得积分10
13秒前
Akim应助Kitty采纳,获得10
16秒前
经法完成签到,获得积分10
16秒前
桂花酒酿完成签到,获得积分10
16秒前
所所应助qqqdewq采纳,获得10
17秒前
悲伤半导体完成签到,获得积分10
18秒前
糯米种子完成签到,获得积分10
20秒前
大马哥完成签到 ,获得积分10
21秒前
陈龙111111发布了新的文献求助10
22秒前
曾经的依风完成签到,获得积分10
23秒前
car子完成签到 ,获得积分10
24秒前
allenice完成签到,获得积分10
26秒前
高xuewen应助lxlcx采纳,获得10
26秒前
我是老大应助香蕉惜霜采纳,获得10
29秒前
欢喜蛋挞完成签到,获得积分10
30秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3162567
求助须知:如何正确求助?哪些是违规求助? 2813460
关于积分的说明 7900578
捐赠科研通 2473036
什么是DOI,文献DOI怎么找? 1316641
科研通“疑难数据库(出版商)”最低求助积分说明 631375
版权声明 602175