التحكم المدفوع بالبيانات القائم على التعلم لروبوت فضائي طافي ميكروي نانوي في فضاء ديكارتي
Abstract
تدرس هذه المقالة مشكلة التحكم في تتبع موضع المنفذ النهائي لروبوت فضائي طافي ميكروي نانوي في فضاء ديكارتي، دون الاعتماد على نماذج الحركة أو الديناميكا الصريحة. لمواجهة هذا التحدي، تم بناء هيكل تعلم ثنائي الطبقة. تستخدم الطبقة الأولى شبكة عصبية عميقة لتعلم الحركيات، تلتقط التحويل غير الخطي من إحداثيات المنفذ النهائي في الفضاء الديكارتي إلى سرعة زوايا المفاصل، وتولد مسارًا مرجعيًا للمفاصل. تعتمد الطبقة الثانية على بناء شبكة قائمة على مشغل Koopman للتقريب الخطي المفسر لديناميكا مفصلات الروبوت الطافي في الفضاء. بناءً على هذا النموذج، تم اقتراح مخطط تحكم تنبؤي نمطي كسري نهائي يدمج مشغل Grünwald–Letnikov الكسري. بالمقارنة مع التحكم التنبؤي النموذجي التقليدي، يعزز الأداء في التحكم عبر الإنترنت ويحسن سرعة ودقة التتبع. تؤكد نتائج المحاكاة فعالية المخطط المقترح، مما يشير إلى أنه في تصميم المتحكم يمكن تحقيق تتبع دقيق وسريع للمسار دون الحاجة إلى النماذج الصريحة للحركيات والديناميكا، مع الاعتماد فقط على التدريب عبر مسارات الإدخال-الإخراج.
Keywords
روبوت فضائي طافي;شبكة عصبية عميقة;تعلم النماذج الموجه للتحكم;التحكم التنبؤي النموذجي
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website