实时求解线性规划问题的原对偶神经网络(英文)

本文探讨了线性规划的原问题与对偶问题理论,并在此基础上可开发出一种用于在线求解线性规划的递归神经网络和应用于冗余机器手臂逆运动学的求解问题上.如,Tang等人开展的原对偶神经网络.但鉴于对偶理论的复杂性和多样性,该原对偶神经网络模型仅可以得到线性规划问题的可行解,而本文对该网络模型改进后可得到线性规划问题的最优解.仿真结果证实了这种改进模型在解决线性规划问题上的有效性、正确性和高效率.

基于原对偶神经网络的PUMA560机器手臂重复运动规划

用一种基于线性变分不等式的原对偶神经网络来解决PUMA560机器手臂在运动过程中出现的关节角偏差问题,使机器手臂的关节能够实现重复运动。该神经网络具有简单的分段线性动力学结构,较易硬件实现。它的网络输出全局指数收敛于最优解,能够在同一种形式下处理线性规划和二次规划问题,并且不要求对矩阵求逆,没有矩阵乘法或高阶的非线性项。本文最后给出基于PUMA560机器手臂的计算机模拟仿真,仿真结果验证了该方案的可行性与有效性。

全方位移动机器人视觉伺服系统的建模与控制

考虑非完整性移动机器人存在的速度约束问题,本文研究了由3个主动偏心轮组成的全方位移动机器人视觉伺服系统。针对视觉伺服系统具有视觉可见性约束和执行器约束,提出了一种基于模型预测控制(MPC)策略的视觉伺服控制器。首先,基于主动偏心轮的全方位移动机器人的运动学方程和视觉伺服系统误差模型,对全方位移动机器人偏心方向轮滚动角速度和偏转角速度的视觉伺服误差系统进行建模。在此基础上,建立全方位移动机器人的视觉伺服预测控制策略,并采用原对偶神经网络在线求解凸优化问题。最后仿真实验表明,所设计的控制器不仅可以较好地处理约束条件,驱动移动机器人到达目标点,并且与传统预测控制方法相比更高效。

基于二次型规划的平面冗余机械臂的自运动

提出一种基于二次型性能指标的方法,用于规划平面冗余机械臂的自运动轨迹.鉴于实际的机械臂都存在关节物理约束,该自运动规划方案考虑了关节极限和关节速度极限的躲避.提出了基于线性变分不等式的原对偶神经网络,并将其作为所对应的二次型规划方案的实时求解器.仿真结果证实了该基于神经网络的自运动规划方案的有效性.

基于PDNN的含风电互联电网负荷频率Tube-RMPC设计

随着新能源大规模接入电网,为应对新能源随机性和波动性给互联系统负荷频率控制(Load Frequency Control,LFC)带来的不确定问题,实现新能源电力系统多约束条件下的优化运行,建立了含风电机组的LFC多胞模型,以减少模型参数不确定对控制系统的影响。设计了基于原对偶神经网络(Primal-Dual Neural Network,PDNN)的Tube鲁棒模型预测控制(Tube-Robust Model Predictive Control,Tube-RMPC)策略。将标称模型预测控制器与辅助反馈控制器结合,通过PDNN实时求解标称模型预测控制器以保证为LFC系统产生最优状态轨迹。设计辅助反馈控制器抵消外部干扰,使实际系统的状态维持在以标称轨迹为中心的Tube内。最后,对含风电的三区域负荷频率控制系统进行仿真研究,结果表明所提出的Tube-RMPC控制策略,不仅能够有效提高控制精度,还能增强系统鲁棒性,提高实时优化效率。

基于双判据优化方法的机器人逆运动学求解

为解决在速度层上无穷范数最小化模型中可能出现的不连续点问题,提出一种基于双判据方法的二次型优化模型.冗余机器人运动规划与控制模型可以统一各种关节物理极限,如关节变量极限与关节速度极限.同时该模型又可以最终转化为一个标准的二次规划问题.为了实时求解该二次规划问题,提出一种基于线性变分不等式(LVI)的原对偶神经网络.该神经网络作为实时求解器具有简单的分段线性结构和较高的计算效率.计算机对PUMA560机器手臂的模拟仿真表明,该方案具有灵活性和有效性.