23、移动机器人轨迹跟踪与策略网络学习的研究探索

移动机器人轨迹跟踪与策略网络学习的研究探索

移动机器人轨迹跟踪控制

在移动机器人轨迹跟踪控制领域，结合T - S模糊控制和Pi - Sigma神经网络控制优势的MPSNN控制器被设计并实现。

首先是相关的数学推导。为了学习和优化待调整的参数，设计了反向传播迭代算法。相关公式如下：
- $\frac{\partial E}{\partial c_{ij}^j} = \frac{\partial E}{\partial l_{A_{ij}^j}} \frac{\partial l_{A_{ij}^j}}{\partial c_{ij}^j} = - (y_d - y) \sum_{l} A_{ij}^j \frac{2x_iy_i}{\sum_{j = 1}^{m} x_j - x_i (\sum_{j = 1}^{m} x_j)^2 x_i} \frac{2(x_i - c_{ij}^j)}{(b_{ij}^j)^2}$
- $\frac{\partial E}{\partial b_{ij}^j} = \frac{\partial E}{\partial l_{A_{ij}^j}} \frac{\partial l_{A_{ij}^j}}{\partial b_{ij}^j} = - (y_d - y) \sum_{l} A_{ij}^j \frac{2x_iy_i}{\sum_{j = 1}^{m} x_j - x_i (\sum_{j = 1}^{m} x_j)^2 x_i} \frac{2(x_j - c_{ij}^j)^2}{(b_{ij}^j)^3}$

反向传播迭代算法中，$b_p > 0$，$b_c > 0$，$b_b > 0$