A Predefined-Time Convergent and Noise-Tolerant Zeroing Neural Network Model for Time Variant Quadratic Programming With Application to Robot Motion Planning

要約

この論文では、時変二次計画法 (TVQP) の課題に取り組むために革新的に設計された、事前定義された時間収束性と耐ノイズ性を備えた分数次数ゼロ化ニューラル ネットワーク (PTC-NT-FOZNN) モデルを開発します。
PTC-NT-FOZNN は、FOZNN として知られる可変ゲイン ZNN スペクトル内の新しい反復から生まれており、時間の経過とともにゲインが減少することを特徴とし、ノイズ耐性と事前定義された時間収束を組み合わせることで、エネルギー効率の高いロボットの動作計画タスクに最適です。
。
PTC-NT-FOZNN は、モデルの次数に関係なく最適な収束を促進する新しく開発されたアクティベーション関数を組み込むことにより、従来の ZNN モデルを強化します。
確立された 6 つの ZNN に対して評価した場合、パラメーター $0 < \alpha \leq 1$ を備えた PTC-NT-FOZNN は、位置精度と付加ノイズに対する回復力が向上していることが実証され、TVQP タスクに非常に適しています。 Flexiv Rizon ロボット アームを使用したシミュレーションや実験を含む徹底的な実践的な評価により、正確な追跡と高い計算効率を実現する PTC-NT-FOZNN の能力が確認され、それによって堅牢な運動学制御アプリケーションに対する PTC-NT-FOZNN の有効性が証明されました。

要約(オリジナル)

This paper develops a predefined-time convergent and noise-tolerant fractional-order zeroing neural network (PTC-NT-FOZNN) model, innovatively engineered to tackle time-variant quadratic programming (TVQP) challenges. The PTC-NT-FOZNN, stemming from a novel iteration within the variable-gain ZNN spectrum, known as FOZNNs, features diminishing gains over time and marries noise resistance with predefined-time convergence, making it ideal for energy-efficient robotic motion planning tasks. The PTC-NT-FOZNN enhances traditional ZNN models by incorporating a newly developed activation function that promotes optimal convergence irrespective of the model’s order. When evaluated against six established ZNNs, the PTC-NT-FOZNN, with parameters $0 < \alpha \leq 1$, demonstrates enhanced positional precision and resilience to additive noises, making it exceptionally suitable for TVQP tasks. Thorough practical assessments, including simulations and experiments using a Flexiv Rizon robotic arm, confirm the PTC-NT-FOZNN's capabilities in achieving precise tracking and high computational efficiency, thereby proving its effectiveness for robust kinematic control applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google