Robuste Nullung neuronale Dynamik und ihr Modell zur Unterdrückung zeitvariabler Störungen, angewendet auf mobile Roboter-Manipulatoren

In diesem Papier wird ein neuartiger robuster Nullung neuronaler Dynamik (RZND) Ansatz sowie das zugehörige Modell zur Lösung des inversen Kinematikproblems von mobilen Roboter-Manipulatoren vorgeschlagen. Im Gegensatz zu bestehenden Arbeiten, die davon ausgehen, dass neuronale Netzwerkmodelle frei von externen Störungen sind, werden in diesem Papier vier gängige Formen zeitvariabler Störungen untersucht, die vom vorgeschlagenen RZND-Modell unterdrückt werden. Darüber hinaus werden theoretische Analysen zur Antistörungsleistung detailliert vorgestellt, um die Wirksamkeit und Robustheit des vorgeschlagenen RZND-Modells mit unterdrückten zeitvariablen Störungen zur Lösung des inversen Kinematikproblems von mobilen Roboter-Manipulatoren zu beweisen. Das heißt, das RZND-Modell konvergiert in Richtung der genauen Lösung des inversen Kinematikproblems von mobilen Roboter-Manipulatoren mit begrenztem oder auf Null ausgerichtetem stationären Positionsfehler. Darüber hinaus bestätigen Simulationen und umfassende Vergleiche mit bestehenden neuronalen Netzwerkmodellen, z.B. dem konventionellen Zhang neuronalen Netzwerkmodell und dem gradientenbasierten rekursiven neuronalen Netzwerkmodell, zusammen mit umfangreichen Tests mit vier gängigen Formen zeitvariabler Störungen die Wirksamkeit, Robustheit und Überlegenheit des vorgeschlagenen RZND-Ansatzes sowie seines Modells zur Unterdrückung zeitvariabler Störungen zur Lösung des inversen Kinematikproblems von mobilen Roboter-Manipulatoren.