Статистическое доказательство адекватности нейросетевой модели исполнительной кинематической цепи переносных степеней подвижности манипулятора

Рассмотрено применение статистических методов доказательства адекватности в приложении к нейросетевой модели манипулятора. Построена модель кинематики манипулятора с применением матричного метода Денавита-Хартенберга. Сформирована обучающая выборка путем решения прямой задачи кинематики. Выбрана структура и выполнено обучение нейронной сети решению обратной задачи кинематики. С помощью метода оценки распределения остатков доказана адекватность полученной нейросетевой модели первоначальной модели к инематики на основе трансцендентных уравнений.

1. Шахинпур М. Курс робототехники. – М.: Мир, 1990. – 527 c.

2. Фу, Кинсан. Робототехника : пер. с англ. / К. Фу, Р. Гонсалес, К. Ли; пер. А. А. Сорокин, А. В. Градецкий, М. Ю. Рачков ; ред. В. Г. Градецкий. - Москва : Мир, 1989. - 621 с.

3. R. Koker : “A genetic algorithm approach to a neural-network-based inverse kinematics solution of robotic manipulators based on error minimization,” Information Sciences, Vol. 222, pp. 528–543, 2013.

4. A.V. Duka : «Neural network based inverse kinematics solution for trajectory tracking of a robotic arm» Procedia Technology, Vol. 12, pp. 20–27, 2014.

5. Y. Maeda, T. Fujiwara and H. Ito : «Robot control using high dimensional neural networks» Procs. of SICE Annual Conference 2014, pp. 738–743, 2014.

6. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. – М.: Финансы и статистика, 1987. – 350 с.

7. Кендалл М., Стьюарт А. Статистические выводы и связи – М.: Наука, 1973.– 900 с.