广义回归神经网络在汽车换档机械手运动轨迹测量中的应用

针对换档机械手机构特性,设计了广义回归神经网络(GRNN)模型,输入层为两结点输入,即角位移坐标值α、β;输出层为两结点输出,分别对应空间坐标值x、y,网络中间层的神经元传递函数采用径向基元函数,输出层的神经元传递函数采用线性元函数,对于光滑因子在[0.05,0.1]间取值,进行对比分析,最终选定光滑因子取0.05。以标定数据中的一部分作为样本对上述神经网络进行训练、仿真,并预测另一部分数据,经过对结果的误差分析和与BP神经网络作比较,验证了本网络模型的有效性和精确性。与BP网络相比,其算法易于实现、结构简单、便于编程、收敛较快,可成功应用于本机器人系统中。