A method for the fast approximation

A method for the fast approximation of dexterity indices for given underwater vehicle-manipulator systems (UVMS) configurations is presented. Common underwater tasks are associated with two well-known dexterity indices and two types of neural networks are designed and trained to approximate each one of them. The method avoids the lengthy calculation of the Jacobian, its determinant and the computationally expensive procedure of singular value decomposition required to compute the dexterity indices. It provides directly and in a considerably reduced computational time the selected dexterity index value for the given configuration of the system. The full kinematic model of the UVMS is considered and the NN training dataset is formulated by the conventional calculation of the selected dexterity indices. A comparison between the computational cost of the analytical calculation of the indices and their approximation by the two NN is presented for the validation of the proposed approach. This paper contributes mainly on broadening the applications of NN to a problem of high complexity and of high importance for UVMS high performance intervention

ผลลัพธ์ (ไทย) 1:

วิธีการประมาณอย่างรวดเร็วของดัชนีความชำนาญสำหรับให้ระบบใต้น้ำรถ-manipulator กำหนดค่า (UVMS) นำเสนอ งานใต้น้ำทั่วไปเกี่ยวข้องกับดัชนีชำนาญรู้จักสอง และเครือข่ายประสาทสองชนิดถูกออกแบบ และฝึกอบรมประมาณอย่างหนึ่ง วิธีการหลีกเลี่ยงการคำนวณยาว ๆ Jacobian การ ดีเทอร์มิแนนต์ของ และขั้นตอนของการย่อยสลายค่าเอกพจน์ต้องใช้ในการคำนวณดัชนีความชำนาญ computationally ราคาแพง จะให้ตรงลดลงอย่างมากคำนวณเวลา และค่าดัชนีความชำนาญเลือกสำหรับการกำหนดค่ากำหนดของระบบ ถือว่าจลน์เต็มรูปแบบของ UVMS และชุดข้อมูลฝึกอบรม NN เป็นสูตรจากการคำนวณแบบดัชนีความชำนาญเลือก แสดงการเปรียบเทียบระหว่างต้นทุนการคำนวณดัชนีวิเคราะห์คำนวณและประมาณการ โดย NN สองสำหรับการตรวจสอบวิธีการนำเสนอ กระดาษนี้สนับสนุนหลักในการขยายการใช้งานของ NN ปัญหามีความซับซ้อนสูง และมี ความสำคัญสูงสำหรับ UVMS ประสิทธิภาพสูงแทรกแซง

ผลลัพธ์ (ไทย) 2:

วิธีการสำหรับการประมาณอย่างรวดเร็วของดัชนีความชำนาญสำหรับรับใต้น้ำระบบรถหุ่นยนต์ (UVMS) การกำหนดค่าที่จะนำเสนอ งานใต้น้ำทั่วไปจะเกี่ยวข้องกับสองดัชนีความชำนาญที่รู้จักกันดีและทั้งสองประเภทของเครือข่ายประสาทได้รับการออกแบบและการฝึกอบรมที่ใกล้เคียงกับแต่ละคน วิธีการหลีกเลี่ยงการคำนวณความยาวของจาโคเบียน, ปัจจัยและขั้นตอนการหาค่าของการย่อยสลายมูลค่าเอกพจน์ที่จำเป็นในการคำนวณดัชนีความชำนาญ มันมีทางตรงและในเวลาที่ลดลงอย่างมากในการคำนวณค่าดัชนีความชำนาญที่เลือกสำหรับการกำหนดค่าที่กำหนดของระบบ รุ่นจลนศาสตร์เต็มรูปแบบของ UVMS มีการพิจารณาและการฝึกอบรมชุด NN เป็นสูตรการคำนวณโดยการชุมนุมของดัชนีความชำนาญที่เลือก เปรียบเทียบระหว่างค่าใช้จ่ายในการคำนวณของการคำนวณวิเคราะห์ของดัชนีและการประมาณของพวกเขาโดยทั้งสอง NN จะนำเสนอสำหรับการตรวจสอบของวิธีการที่นำเสนอ กระดาษนี้จะก่อให้เกิดส่วนใหญ่ในการขยายการใช้งานของ NN ปัญหาของความซับซ้อนสูงและมีความสำคัญสูงสำหรับ UVMS แทรกแซงที่มีประสิทธิภาพสูง

ผลลัพธ์ (ไทย) 3:

วิธีการประมาณความรวดเร็วของระบบดัชนีได้รับการยานพาหนะใต้น้ำ ( uvms ) ค่าที่จะนำเสนอ งานใต้น้ำทั่วไปเกี่ยวข้องกับสองดัชนีความชํานาญที่มีสองประเภทของโครงข่ายประสาทเทียมถูกออกแบบ และฝึกให้ประมาณหนึ่งของพวกเขาแต่ละ วิธีการหลีกเลี่ยงการคำนวณความยาวของการไฟฟ้าฝ่ายผลิตแห่งประเทศไทย เป็นปัจจัยและกระบวนการ computationally แพงค่าการสลายตัวของเอกพจน์ ต้องคำนวณความชํานาญดัชนี ให้บริการโดยตรง และในเวลาที่ลดลงอย่างมากในการคำนวณค่าดัชนีความเพื่อให้การกำหนดค่าของระบบ เต็มรูปแบบของการเมือง uvms ถือว่าและ NN การฝึกอบรมข้อมูลเป็นสูตรโดยการเลือกความปกติของดัชนี การเปรียบเทียบระหว่างต้นทุนที่คำนวณในการคำนวณการวิเคราะห์ของดัชนีและการประมาณค่าของพวกเขาโดยสอง NN นำเสนอสำหรับการตรวจสอบความถูกต้องของวิธีการที่เสนอ . กระดาษนี้มีส่วนช่วยในการขยายการใช้งานของดินส่วนใหญ่จะเป็นปัญหาของความซับซ้อนสูงและมีความสำคัญสูงสำหรับ uvms ประสิทธิภาพสูง การแทรกแซง