人工神经网络理论及其在机器人运动与动力控制中的应用*

孙 涛

(安徽粮食工程职业学院 安徽合肥 230011)

生物的神经功能一般包括学习和记忆，学习是神经元间建立与修改连接的过程，记忆则是经过了一定学习或训练后的信息存储在神经元间的连接中。神经网络始于19世纪后期，人工神经网络的第一个应用为感知机及其学习算法。20世纪70年代，Teuvo Kohonen和James Anderson发明了具有记忆功能的新型神经网络，对神经网络的发展起到了极大的推动作用。20世纪80年代，反向传播算法公开发表，该算法可用于多层感知机的学习与训练中。神经网络已广泛应用于众多领域，人们对神经网络的研究依然在不断进行。王田苗[6]等分析了国内外工业机器人发展现状，对机器人在灵巧操作、自主导航、环境感知、人机交互与安全性等前沿技术的研究做了综述，提出我国工业机器人产业发展的若干思考和建议。叶壮[7]等为了解决单通道图像信号输入不能全面表达故障特征的问题，提出基于multi-channel one-dimensional convolutional neural network(MC-1DCNN)的故障特征学习方法，并对某型号齿轮箱故障诊断进行了方法验证。可见，神经网络的理论研究及其应用广泛而深入。机器人运动及其动力控制系统十分复杂且存在多种的非线性，因此采用人工神经网络对机器人进行控制是解决其动力控制问题的较为有效方法，并随着研究的深入而不断发展。

1人工神经网络基本理论

1.1人工神经网络的生物学原理

人脑含有大量的高度连接的神经元细胞，其基本结构包括胞体、树突、轴突和突触，树突用于接受电信号并将信号传给胞体，胞体对所接收的信号进行叠加后用阈值控制电信号由轴突输出。……