面向模型未知的冗余机器人运动规划方案

为解决模型未知的冗余机器人运动规划问题,提出一种基于梯度下降的学习方案,使用数据驱动技术将冗余机器人的末端执行器速度及关节角速度作为系统输入量,将冗余机器人各关节控制信息作为系统输出量,使用梯度信息最小化估计误差以得到雅克比矩阵的估计值.基于该方案设计了一种加速度层的冗余机器人运动规划方案.理论分析和数值仿真结果均证明该方案能有效控制模型未知冗余机器人完成运动规划任务.

有结构变化的半参数回归模型

结合半参数回归模型和含未知变点的结构变化模型提出一个新的模型—有结构变化的半参数回归模型,给出了新模型的有关参数β,β*,γ,k的加权最小二乘估计和f(t)的核估计,证明了参数β,β*γ的估计的√n-相合性,强相合性,讨论了模型的检验等问题,并进一步通过随机模拟验证了新模型的优越性.

有结构变化的半参数回归模型及其级数估计

结合半参数回归模型和含未知变点的结构变化模型,提出一个参数和非参数分量同时存在结构变化的新模型——有结构变化的半参数回归模型.在新模型非参数分量的级数估计基础上,得出模型参数的最小二乘估计,进一步推得条件期望函数估计的收敛速度及其渐近正态性.随机模拟结果表明,本文的新模型及估计方法具有广泛的适用性和灵活性.