18、人工神经网络的鲁棒设计

人工神经网络的鲁棒设计

1. 数据集描述

机器人操作臂的工作空间可通过位置数组、方向数组和关节值来表示，这可定义为位置、方向和关节值坐标的无限集合。确定神经网络训练数据集的大小十分重要，因为数据量对可用处理能力有决定性影响。

在本研究中，分析了在整个工作空间获取代表性样本的可能性，以确保所选数据能代表整个原始集合，降低部分或大部分数据未被代表的风险。

数据集由特定方程生成，根据机器人的几何结构，关节值（ϴ1 - ϴ6）的范围如下表所示：
| 关节 | 最小值（rad） | 最大值（rad） |
| ---- | ---- | ---- |
| θ1 | 0 | 2π |
| θ2 | 0 | π |
| θ3 | 2π | p/2 |
| θ4 | 0 | 2π |
| θ5 | 2π | p/2 |
| θ6 | 0 | 2π |

通常，数据量取决于关节值范围使用的空间分辨率。例如，若使用 Δϴ1 = π/2 生成 ϴ1 的值范围，仅会考虑 5 个值 [0, π/2, π, 3π/2, 2π]；相反，若使用 Δϴ1 = π/5，则会考虑 11 个值，从而在数据集中获得更好的空间分辨率。

本研究通过应用直接运动学模型生成了四个数据集，生成的数据集可用以下矩阵表示：

Data
set
a
a
a c
a
a
a c
ar
ar
arc
_
...
...
...
...
...
....
...
=
11
12
1
21
22
2
1
2
é
ë
ê
ê
ê
ê
ê
ù
û
ú