【基于SOM算法的多水下机器人编队分布式轨迹优化分析案例2900字】_第1页
【基于SOM算法的多水下机器人编队分布式轨迹优化分析案例2900字】_第2页
【基于SOM算法的多水下机器人编队分布式轨迹优化分析案例2900字】_第3页
【基于SOM算法的多水下机器人编队分布式轨迹优化分析案例2900字】_第4页
【基于SOM算法的多水下机器人编队分布式轨迹优化分析案例2900字】_第5页
已阅读5页，还剩2页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于SOM算法的多水下机器人编队分布式轨迹优化分析案例 11.1基于SOM算法的求解思路 1 31.3神经权重更新功能 41.4基于SOM神经网络的轨迹优化 4SOM神经网络算法的来源于在哺乳动物的大脑中有一个特殊的处理单元顺图3.1SOM算法示意图1.1基于SOM算法的求解思路在本文中采用了一种基于SOM的方法，用于多自主水下机器人地轨迹规划。这个想法来自于多AUV系统航行和SOM网络之间的相似的特性。SOM神经网个神经元被激活。这个激活的神经元被称为优胜者神经元(winner-takes-allneuron)。这种竞争可以通过在神经元之间具有横向抑制连接(负反馈路径)来或输入模式类别。如此调整的神经元(即获胜的神经元)的位置变得有序，并且在该网格上创建对于输入特征有意义的坐标系。在本文的研究背景下，表现为而小白色斑点是从该分布中抽取得到的当前训练数据。首先(左图)SOM节点被任意地定位在数据空间中。我们选择最接近训练数据的节点作为获胜节点(用黄色突出显示)。它被移向训练数据，包括(在较小的范围内)其网格上的相邻节点。经过多次迭代后，网格趋于接近数据分布(右图)。输入层T……T=(x₂,J₂,z)自组织SOM算法输出层R[R,R₂,,R₁]-AUV1的轨迹[R,R,…,R₂AUV2的轨迹……[R,R,₂,…RAUVj的轨迹机器人随机分布在工作区中，其中J∈N+。将J个点设置在期望队形的位置。例如，有三个AUV,我们希望它们能够在初始位置排列一定的队形，并保这些神经元中的每一个个体代表的是笛卡尔坐标系中的一个坐标点。T是一个1.2优胜者选择与邻域功能设计1.3神经权重更新功能1.4基于SOM神经网络的轨迹优化我们通过优胜者的选择和神经权重的更新，确定了AUV从随机的初始位置确定了这条轨迹上的一系列需要AUV前往的目标点。当AUV编队到达一组目标点以后，更新编队矩阵T和连接权重W,并将下一组关键点输入到SOM网络中，直到AUV编队到达目的地。表3.2基于SOM算法的编队保持优化算法2

人人文库> 全部分类> 教育资料 > 中学教育

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论