一种改进哈里斯鹰算法优化RBF神经网络的水下机械臂控制方法

本发明涉及一种改进哈里斯鹰算法（PTHHO）优化RBF神经网络的水下机械臂控制方法。该方法首先构建RBF网络，包括输入层、隐含层和输出层，接着利用PTHHO算法生成一组初始解（权重和偏置）。然后，通过模拟鹰的捕猎行为，迭代更新优化这些参数，以最小化损失函数，提高逼近精度。这种结合利用了PTHHO算法的全局搜索能力和RBF神经网络的拟合能力，可以在一定程度上提高神经网络的性能和泛化能力。与传统控制方法相比，该方法提高了控制系统的鲁棒性，有效地补偿了水动力干扰，达到了对水下机械臂精准控制的目的。