MLP Neural Network for a Kinematic Control of a Redundant Planar Manipulator

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F22%3A00352317" target="_blank" >RIV/68407700:21220/22:00352317 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-030-83594-1_3" target="_blank" >https://doi.org/10.1007/978-3-030-83594-1_3</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-83594-1_3" target="_blank" >10.1007/978-3-030-83594-1_3</a>

Jazyk výsledku

angličtina

Název v původním jazyce

MLP Neural Network for a Kinematic Control of a Redundant Planar Manipulator

Popis výsledku v původním jazyce

A non-redundant manipulator inverted kinematics can be easily solved by a multilayer perceptron neural network. For redundant manipulators, the inverted function cannot exist. Many advanced types of neural networks have been used at least for kinematic and dynamic control. This article describes a solution, when the redundancy is compensated by a simple quality function, which serves at the same time as a solution of the obstacle avoidance problem. This additional function is not combined with the functions describing the manipulator forward kinematics, but is applied to the data, prepared for the network training. This makes the whole process much simpler to realize, although the preparation of data for the training is computationally demanding.

Název v anglickém jazyce

MLP Neural Network for a Kinematic Control of a Redundant Planar Manipulator

Popis výsledku anglicky

A non-redundant manipulator inverted kinematics can be easily solved by a multilayer perceptron neural network. For redundant manipulators, the inverted function cannot exist. Many advanced types of neural networks have been used at least for kinematic and dynamic control. This article describes a solution, when the redundancy is compensated by a simple quality function, which serves at the same time as a solution of the obstacle avoidance problem. This additional function is not combined with the functions describing the manipulator forward kinematics, but is applied to the data, prepared for the network training. This makes the whole process much simpler to realize, although the preparation of data for the training is computationally demanding.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20204 - Robotics and automatic control

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in Mechanism Design III

ISBN

978-3-030-83593-4

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

24-32

Název nakladatele

Springer Nature Switzerland AG

Místo vydání

Basel

Místo konání akce

Liberec

Datum konání akce

7. 9. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—