第5章 机器人控制解释.ppt

机器人学基础 国家级《智能科学基础系列课程教学团队》 “机器人学”课程配套教材 蔡自兴 主编 2009 * 5.4.1 智能控制系统的分类 专家控制系统 专家控制系统是一个应用专家系统技术的控制系统，也是一个典型的和广泛应用的基于知识的控制系统。 几乎所有的专家控制系（控制器）都包含知识库、推理机、控制规则集和或控制算法等。图5.22 画出专家控制系统的基本结构。 5.4 机器人的智能控制 * 5.4 .1 智能控制的分类 模糊控制系统 有效性： 提供一种实现基于知识（基于规则）的甚至语言描述的控制规律的新机理。 提供了一种改进非线性控制器的替代方法 。 模糊控制系统的基本结构如图5.23所示。 5.4 机器人的智能控制 * 5.4 .1 智能控制的分类 学习控制系统 学习控制具有4个主要功能：有哪些信誉好的足球投注网站、识别、记忆和推理。 在线学习控制系统和离线学习控制系统，分别如图5.26(a) 和图5.26(b)所示。 5.4 机器人的智能控制 * 5.4 .1 智能控制的分类 神经控制系统 基于人工神经网络的控制(ANN-based control)，简称神经控制(neurocontrol)或NN控制。 提出的神经控制的结构方案很多，包括NN学习控制、NN直接逆控制、NN自适应控制、NN内模控制、NN预测控制、NN最优决策控制、NN强化控制、CMAC控制、分级NN控制和多层NN控制等。 图5.25 表示监督式神经控制器的结构。 5.4 机器人的智能控制 * 5.4 .1 智能控制的分类 进化控制系统 进化与反馈作为自然界存在的两种基本调节机制，具有明显的互补性。把进化思想与反馈控制理论相结合，产生了一种新的智能控制方法——进化控制。 进化控制是综合考察了几种典型智能控制方法的思想起源、组成结构、实现方法和技术等之后提出来的，它模拟生物界演化的进化机制，将进化思想与反馈控制理论相结合，提高了系统在复杂环境下的自主性、创造性和学习能力。 5.4 机器人的智能控制 * 5.4 .2 机器人的自适应模糊控制 模糊控制是应用最广的一种智能控制，它具有多种结构形式，如PID模糊控制、自组织模糊控制、自校正模糊控制、自学习模糊控制、专家模糊控制等。 自适应模糊控制器 控制系统设计 5.4 机器人的智能控制 * 自适应模糊控制器 实验研究 经分析研究和实验研究结果可知，这种含有附加力外环的力／位置自适应模糊控制方法，可以在不改变机器人原有位置控制器的情况下，使机械手在其末端执行器与接触刚度变化范围较大的外界工作环境接触时具有较强的适应能力，对力和位置的控制具有良好的鲁棒性和跟踪能力。该方法通用性强，具有一定的实用价值。 5.4.2 机器人的自适应模糊控制 * 5.4.3 多指灵巧手的神经控制 多指灵巧手又称多指多关节机械手，是一种关联加串联形式的机器人，一般由手掌和3 ~5个手指组成，每个手指有3~4个关节。 多指灵巧手的机械本体一般较小，自由度又较多，可完成各种抓持及操作。 多指灵巧手比一般的机器人具有更强的非线性。 5.4 机器人的智能控制 * 5.4.3 多指灵巧手的神经控制 网络结构及学习算法 采用一个3×20×1的三层前馈网络来学习原有的控制器的输入输出关系。学习结束后，用此前馈网络当作控制器。 学习采用BP算法与趋化算法相结合的混合学习算法，即先用BP算法对网络进行训练，然后再用趋化算法训练。 5.4 机器人的智能控制 * 网络结构及学习算法 趋化算法 把权重W设为[-0.1, 0.1]上的随机初值，即W0； 把样本输入网络并计算网络输出； 求目标函数J的值，并令B1＝J； 产生与权重W维数相同、零均值的[-1, +1]上正态分布的随机向量； 令 ，是一实系数； 求目标函数J的值，令B2=J； 如果E2＜E1，则令W0=W1，转到（4）；否则，转到（4）。 5.4.3 多指灵巧手的神经控制 * 5.4.3 多指灵巧手的神经控制 基于神经网络的控制器设计 控制系统硬件 控制系统软件 控制软件分为两部分，上位机软件用C语言编写，伺服控制器的软件用MCS－51单片机汇编语言编写。 5.4 机器人的智能控制 * 5.4.3 多指灵巧手的神经控制 5.4 机器人的智能控制 * 基于神经网络的控制器设计 复合控制方法 通过实验发现，单纯用神经网络控制器进行控制，系统的响应在跟踪阶段可以很好地跟踪给定的轨迹，但稳态效果不好，存在较大的稳态误差。由于时间限制，网络学习只能得到一个近似的最优解，而不可能得到真正的最优解。为了使系统具有良好的稳态响应，采用一个PID控制器在稳态时对系统进行控制，利用其积分作用来消除稳态误差，实