论文部分内容阅读
六自由度运动平台的运动学正解在其结构设计和实时控制中均起着重要的作用。传统数值解法计算复杂且受初值影响较大，不能满足实时控制算法的要求。神经网络理论上具有任意精度逼近非线性映射的能力。经过训练的网络能够避免复杂的迭代过程，直接得到平台位姿与液压缸伸长量的映射关系，以满足实时控制算法的要求。本文对训练样本的数量、质量对神经网络性能的影响进行了研究。研究表明，训练样本集必须足够大才能使神经网络较有好的函数逼近能力，但样本量也不是越大越好。如果样本经过预处理后再来训练神经网络，能进一步提高神经网络的泛化性能。文章对RBF神经网络和BP神经网络性能和特点进行了研究和分析。