外文翻译--关于装载适应性神经模糊系统的有两足行走的机器人的零刻点弹道造型中文版

外文翻译--关于装载适应性神经模糊系统的有两足行走的机器人的零刻点弹道造型中文版内容摘要：

结构，考虑到让它等同于十输入模糊模型。 在这个系统中假设每个输入有两个模糊值与它对应，如图 18 所示。 标记 P 的值给出的是所有输入信号的乘积， ， 而 这些 标记的 N 的值 计算 的是 某一 确定 的 反作用 力 与总反作用力之和的 比。 关于如何使 ANFIS 参量变化 ，我们 使用梯度下降算法或一种递归最小平方的估计算法重复调整前提和结果参量。 然而，我们不使用复杂杂种学习算法，反而使用一般最小平方的估 计算法 并且 只确定 结果多项式函数的 趋势。 模仿结果 使用 ANFS，模型 大致建成 了。 然后准确性 在中间领域误差（ MSE）中被量化了。 ANFS系统被申请为 两足走动机器人的 ZMP 弹道建模 ， 通过 运用机器人测量传出的数据。 ANFS的表现 取决于 MF 的机警性和模糊规则的结果输出。 从我们的机器人输出的 ZMP 弹道数据（如附录的图 32－ 41 所示）将用于过程参量。 当三角和高斯 MFs 用于前提部分或用于结果部分的不变参数 ，那么相应的 MSE值列在表 3 中。 我们在图 20－ 25 中绘出了我们的结果。 由 ANFS 产生的 ZMP 弹道图如图 20， 22，24 所示分别为水平基准面的行走图， 10 度倾斜面下行图和 10度倾斜面上行图。 在图 21，23， 25，我们可以看见由 ANFS 产生的相应的 ZMP 弹道。 简 而言之，两个膝盖的过程参数可以被忽略。 作为 结果，我们可以减少模糊 规则的维度和从而降低计算负担。 在这种情况下 ANFS 的仿真条件 和它对应的 MSE（均方的误差） 价值在表 4 列出。 从 给出的 模仿结果的图和表 中 ，我们能看到从模糊系统 得到 的 ZMP 弹道非常类似 于我们的行走机器人所测量出的实际 ZMP 弹道（如图 11－ 16 所示）。 ANFS 被展示的高 准确 性能力，意味着 ANFS 可以有效地被用于 建模 和控制一个 实际的两足结构走 动 机器人。 比较 我们现在 把 ANFS 的 表现与 三种统计回归模型的数学模型相比较。 对于每个统计回归模型，四个不同案件类型被修建了。 它们在两种输入下的一般表达式如下： 设计巴巴工作室 这里 ci是回归常数。 对 应的 MSE值在表 5–7 里被 给出。 它 测量第二类型给 x和 Y坐标 的最佳的结果所有被考虑的走的条件的。 产生的 ZMP 弹道和相应的产生它们的第二类型回归模型如图 26－ 31所示。 我们可以认为， ANFS 比统计回归模型展示了一条相当地更好的 ZMP 弹道。 4 个结论 一个实用的装载模糊神经系统的零弹道两足结构走动机器人被展示出来。 ZMP 弹道是确保机器人行走稳定性的重要保障。 但是地面 复 杂的反作用力使控制变得困难。 我们试图建立过程参数之间的经验的关系 ，并且 通过将其运用于一个两足结构走动机器人来解释经验规律。 整个走动过程的 ZMP 数据 通过让一个实际两足结构机器人在水平基准面和斜面行走而获得。 ANFS 的适用性取决于 使用的 MF 和模糊的规则的结果部分。 使用ANFS产生 的 ZMP弹道严密地匹配 于 被测量的 ZMP弹道。 然后模仿结果也表示，使用 ANFS引起的 ZMP 可 以 改善 两足 结构 走 动 机器人的稳定 性 并且 ANFS 不仅 可以有效地用于 建模 ，而且 可以用于 控制 实际 两足 结构 走 动 机器人。 如图 32－ 41 所示。 5 鸣谢 这项工作由 韩国科学 和 工程 学 基金会 的基础性研究计划的 第 R01202000011440 支持。 6 参考 文献 1 Erbatur、 F.、 Okazaki、 A.、 Obiya、 K.、 Takahashi、 Kawamura， A. ： “一项关于两足结构走动机器人的 零 刻点测量的研究 ”。 Int。 关于先进的运动控制 2020 年 ，第 431–436 页。 2 Vukobratovic、 M.、 Brovac、 B.、 Surla、 Stokic， D. ： ‘运动机器人 ’ (SpringerVeriag1990) 3 Takanishi、 A.、 Ishida、 M.、 Yamazaki、 Kato， I. ： “ 动态走的机器人 WL10RD 的认识 ”。 Proc。 Int. Conf。 先进 机器人。