基于预设时间零化神经网络的TMR轨迹跟踪

李勇; 沈艳军

doi:10.13393/j.cnki.issn.1672-948X.2026.01.013

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于预设时间零化神经网络的TMR轨迹跟踪

机电工程 | 更新时间：2026-01-15

- 基于预设时间零化神经网络的TMR轨迹跟踪
- 基于预设时间零化神经网络的TMR轨迹跟踪
- 三峡大学学报（自然科学版） 2026年48卷第1期页码：99-103
- 作者机构：
  
  三峡大学电气与新能源学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(62273200)
- DOI：10.13393/j.cnki.issn.1672-948X.2026.01.013
  中图分类号： TP183;TP242
- 纸质出版：2026
- 稿件说明：
移动端阅览
李勇, 沈艳军. 基于预设时间零化神经网络的TMR轨迹跟踪[J]. 三峡大学学报（自然科学版）, 2026,48(1):99-103.

李勇, 沈艳军. 基于预设时间零化神经网络的TMR轨迹跟踪[J]. 2026, 48(1): 99-103.
李勇, 沈艳军. 基于预设时间零化神经网络的TMR轨迹跟踪[J]. 三峡大学学报（自然科学版）, 2026,48(1):99-103. DOI： 10.13393/j.cnki.issn.1672-948X.2026.01.013.

李勇, 沈艳军. 基于预设时间零化神经网络的TMR轨迹跟踪[J]. 2026, 48(1): 99-103. DOI： 10.13393/j.cnki.issn.1672-948X.2026.01.013.

摘要

本文设计了一种预设时间零化神经网络(PTZNN)

用于解决履带式移动机器人(TMR)轨迹的跟踪问题.基于TMR的动态模型，通过构造含噪声的PTZNN模型得到TMR模型的实际轨迹与期望轨迹的差，从而得到TMR模型的实际轨迹，进而实现预设性能的轨迹跟踪.即预设时刻实现TMR模型的精准跟踪，预设时刻后实现跟踪误差可预设的轨迹跟踪.结果表明，数值仿真验证所提出的方法可以实现TMR轨迹跟踪.与现有的有限时间零化神经网络(FTZNN)模型相比，所提出的PTZNN模型在收敛速度和鲁棒性上都具备优异的性能.

Abstract

关键词

Keywords

references

张苗苗.关于两类时变矩阵系统的调零神经网络模型[D].兰州大学,2022(01).

Shuai Li,Sanfeng Chen,Bo Liu.Accelerating a Recurrent Neural Network to Finite-Time Convergence for Solving Time-Varying Sylvester Equation by Using a Sign-Bi-power Activation Function[J].Neural Processing Letters,2013.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据