空间软体机械臂的两阶段神经网络控制方法

软体机械臂凭借质量轻、价格低、操作灵活等特性在在轨服务任务中具有巨大应用前景.然而,针对软体机械臂的逆运动学建模和控制仍是一个具有挑战性的问题.作为一种替代方案,采用数据驱动的方法对软体机械臂数值模型进行学习取得了一定成果.本文在前人研究的基础上,提出一种端到端的两阶段神经网络软体机械臂控制思想和异步Transformer执行策略.文章通过与单阶段神经网络、传统的BP、LSTM等构建的两阶段方法进行对比,结果表明:本文方法具有更高的控制精度.最后,利用软体机械臂实物进行抓取实验,验证了本文方法的可行性.

解决伪凸优化问题的两阶段神经网络模型

提出了一个两阶段神经网络模型,以解决线性等式约束的光滑伪凸优化问题。在神经网络的第1阶段,状态向量有限时间收敛到可行域;第2阶段状态向量全局收敛到原问题的优化解,严格分析了网络的收敛性和优化性,对收敛时间进行了准确估计。