基于BP神经网络优化的四足机器人虚拟模型控制方法

本申请涉及一种基于BP神经网络优化的四足机器人虚拟模型控制方法。所述方法通过构建BP‑VMC控制框架，在该控制框架中，根据四足机器人的控制特性和输入、输出需求确定BPNN结构后，通过BPNN的自学习训练，不断优化虚拟构件机械参数，实现VMC控制器中的虚拟构件机械参数的实时自适应调整，提高了VMC控制器的控制性能。同时在BPNN训练算法中引入学习率和动量因子，能够有效避免局部最优问题，确保最终输出为全局最优结果。