北科研究生機(jī)器人學(xué)論文

基于模糊神經(jīng)元控制的并聯(lián)機(jī)器人系統(tǒng).1進(jìn)s2016xxxx北京科技大學(xué)，北京摘要：針對(duì)液壓并聯(lián)機(jī)器人系統(tǒng)存在的大不確定性及干擾，特征參數(shù)隨工況及環(huán)境的變化而產(chǎn)生大幅度變化的特點(diǎn)。本文將模糊信息處理與神經(jīng)元非模型控制方法相結(jié)合，設(shè)計(jì)出一種模糊轉(zhuǎn)換器，提出了使用模糊轉(zhuǎn)換器的神經(jīng)元控制方法。關(guān)鍵詞：液壓并聯(lián)機(jī)器人神經(jīng)元控制模糊轉(zhuǎn)換器非模型控制中圖分類號(hào)：TP273+.4引言液壓機(jī)器人的特征參數(shù)如液壓固有頻率液壓阻尼比以及外負(fù)載干擾等將隨著工況的變化及環(huán)境的影響而產(chǎn)生大幅度的變化有時(shí)這些變化還帶有隨機(jī)性質(zhì)給控制系統(tǒng)的設(shè)計(jì)帶來困難隨著智能控制的興起作為其主要內(nèi)容的神經(jīng)控制和模糊邏輯得到了極大的發(fā)展特別是融合兩者的優(yōu)點(diǎn)形成的神經(jīng)模糊控制方法成為目前智能控制領(lǐng)域的一個(gè)研究熱點(diǎn)[1]模糊邏輯和神經(jīng)網(wǎng)絡(luò)雖然在概念內(nèi)涵上有著明顯的不同但二者都是為了處理實(shí)際存在的不確定性不精確性引起系統(tǒng)難以控制的問題以非模型的方式實(shí)現(xiàn)控制可方便地應(yīng)用于控制中利用二者的互補(bǔ)性和可結(jié)合性使之有機(jī)結(jié)合將有助于提高控制系統(tǒng)的性能推動(dòng)對(duì)實(shí)際控制問題的更好解決本文提出了使用模糊轉(zhuǎn)換器的神經(jīng)元控制方法1液壓機(jī)器人的動(dòng)態(tài)特性某六自由度液壓并聯(lián)機(jī)器人結(jié)構(gòu)如圖1所示它的每一支路都有一個(gè)液壓主動(dòng)關(guān)節(jié)其余均為非主動(dòng)關(guān)節(jié)由于各支路之間的交互耦合作用對(duì)單一支路集中表現(xiàn)為負(fù)載干擾因此設(shè)計(jì)液壓并聯(lián)機(jī)器人控制系統(tǒng)時(shí)可只考慮對(duì)每一支路液壓主動(dòng)關(guān)節(jié)進(jìn)行控制把液壓機(jī)器人運(yùn)動(dòng)過程中的非線性耦合作用及其它負(fù)載干擾視為集中于液壓主動(dòng)關(guān)節(jié)的外干擾力則可將描述TOC\o"1-5"\h\z液壓機(jī)器人系統(tǒng)動(dòng)態(tài)特性的數(shù)學(xué)模型簡(jiǎn)化[2]KVK71心卜Fh1—l5[3八二一4M.⑴S'+3熱■1Fti式中wh,dh分別為液壓固有頻率液壓阻尼比是隨工況變化的特征參數(shù)F為集中考慮作用在液壓主動(dòng)關(guān)節(jié)上的等效力針對(duì)上述液壓機(jī)器人的控制有不少學(xué)者進(jìn)行了研究[2?4]然而液壓機(jī)器人的動(dòng)態(tài)特性及外干擾隨著工況的變化及環(huán)境的影響而產(chǎn)生大幅度的變化使得這些基于數(shù)學(xué)模型的控制方法難以在控制系統(tǒng)的魯棒性和適應(yīng)性及控制品質(zhì)方面取得滿意的效果。為此，本文提出如下的使用模糊轉(zhuǎn)換器的神經(jīng)元非模型控制方法圖1液壓并聯(lián)機(jī)器人結(jié)構(gòu)圖圖題所㈠有的圖都應(yīng)用阿拉伯?dāng)?shù)字標(biāo)上號(hào)碼。㈡2液壓機(jī)器人的神經(jīng)元控制系統(tǒng)面向控制的神經(jīng)元模型及控制系統(tǒng)針對(duì)將人工神經(jīng)網(wǎng)絡(luò)直觀套用于自動(dòng)控制中存在的局限性提出了一種適用于控制的神經(jīng)元模型并構(gòu)成了如圖2所示的控制系統(tǒng)神經(jīng)元有n個(gè)輸入狀態(tài)量xi(i=1,2,…,n)元的輸出可表示為1，")=左2叱(。工?)(2)式中k>0是神經(jīng)元的比例系數(shù)wi(t)為相應(yīng)于神經(jīng)元輸入xi的權(quán)值其值由神經(jīng)元通過學(xué)習(xí)得到圖中轉(zhuǎn)換器將反映受控對(duì)象特性的狀態(tài)量轉(zhuǎn)換為元學(xué)習(xí)控制所需要的信號(hào)控制信號(hào)u(t)由神經(jīng)元通過關(guān)聯(lián)搜索產(chǎn)生。轉(zhuǎn)換器圖2神經(jīng)元控制系統(tǒng)神經(jīng)元控制學(xué)習(xí)算法一般認(rèn)為神經(jīng)元通過改變自身的突觸加權(quán)值進(jìn)行自組織根據(jù)D.O.Hebb提出的著名假設(shè)可以得到以下學(xué)習(xí)規(guī)則TOC\o"1-5"\h\z嗎Q+1)=叱(，)+dpt(t)(3)式中d>0,d是學(xué)習(xí)速率pi(t)是學(xué)習(xí)策略。為適應(yīng)控制要求提出了聯(lián)想式學(xué)習(xí)策略并給出了如下的神經(jīng)元控制學(xué)習(xí)算法[「&]/A￡叫⑴的⑺(4).1_日,/ih;(/+1)=wt(f)+d(r(t)-(/)式中神經(jīng)元的輸入狀態(tài)xi(t)可在進(jìn)行控制系統(tǒng)設(shè)計(jì)時(shí)根據(jù)需要來選取。使用模糊轉(zhuǎn)換器的神經(jīng)元控制方法針對(duì)圖1的液壓機(jī)器人，直接使用(4)式的神經(jīng)元控制算法進(jìn)行控制。當(dāng)選擇元的輸入狀態(tài)為(n=3)x1(t)=r(t)x2(t)=r(t)-y(t)x3(t)=x2(t)-x2(t-1)時(shí),系統(tǒng)階躍響應(yīng)有穩(wěn)態(tài)誤差。當(dāng)選擇元的輸入狀態(tài)為x1(t)=r(t)-y(t),x2(t)=x1(t)-x1(t-1)時(shí)，為加快響應(yīng)速度，元的比例系數(shù)k要取很大的值k=1500。然而k值過大將對(duì)神經(jīng)元的控制學(xué)習(xí)產(chǎn)生不利的影響，當(dāng)機(jī)器人動(dòng)態(tài)特性發(fā)生大幅度變化時(shí)，系統(tǒng)誤差e(t)及誤差變化De(t)過大會(huì)使元的學(xué)習(xí)發(fā)散。為此，本文設(shè)計(jì)了模糊轉(zhuǎn)換器來柔化學(xué)習(xí)信號(hào)以提高控制系統(tǒng)的性能。系統(tǒng)設(shè)定值「⑴是一個(gè)確定量，可直接作為神經(jīng)元的一個(gè)輸入(設(shè)為xi(t))系統(tǒng)誤差e(t)和誤差變化De(t)反映了機(jī)器人控制系統(tǒng)的動(dòng)態(tài)響應(yīng)特性對(duì)它們進(jìn)行模糊轉(zhuǎn)換和處理綜合為一個(gè)信號(hào)可消除不確定性對(duì)元學(xué)習(xí)產(chǎn)生的不利影響。因此，將系統(tǒng)誤差e(t)和誤差變化De(t)作為模糊轉(zhuǎn)換器的輸入經(jīng)模糊轉(zhuǎn)換和處理得到神經(jīng)元控制學(xué)習(xí)所需的另一個(gè)輸入量(設(shè)為x2(t))其具體的模糊轉(zhuǎn)換和處理方法如下￡=<>,EC=<⑸￡=<o￡+(l-&EC>,x2(t)-koF)式中E,EC分別是系統(tǒng)誤差e(t)和誤差變化De(t)所對(duì)應(yīng)的模糊變量Fo為經(jīng)模糊轉(zhuǎn)換得到的模糊量，相應(yīng)的解模糊輸出為x2(t)<M>表示一個(gè)與M同號(hào)而其絕對(duì)值大于|M|的最小整數(shù)ke和kec分別是系統(tǒng)誤差e(t)和誤差變化De(t)的模糊化因子，ko是系統(tǒng)的解模糊因子，a為模糊規(guī)則調(diào)整因子。由此使用模糊轉(zhuǎn)換器的神經(jīng)元學(xué)習(xí)控制方法可歸結(jié)為底。=#￡“⑺馬。)/￡H；(0*/z(6)4爾￡+1)=wf(0+式中采用了不同的學(xué)習(xí)速率調(diào)整權(quán)值方法，以使控制系統(tǒng)具有更好的動(dòng)態(tài)。3結(jié)論本文提出的使用模糊轉(zhuǎn)換器神經(jīng)元控制方法可以有效地改善液壓并聯(lián)機(jī)器人控制系統(tǒng)的性能對(duì)機(jī)器人/I征參數(shù)(wh,dh)的大范圍變化有很強(qiáng)的魯棒性、適應(yīng)性，對(duì)負(fù)載干擾有好的抗干擾性能。將神經(jīng)元控制與模糊信息處理相結(jié)合構(gòu)成使用模糊轉(zhuǎn)換器的神經(jīng)元控制器，可以有效地控制不確定對(duì)象。與傳統(tǒng)的pid控制相比，本文提出的使用模糊轉(zhuǎn)換器的神經(jīng)元學(xué)習(xí)控制方法具有高控制精度和很強(qiáng)的自適應(yīng)能力。設(shè)計(jì)出的神經(jīng)元非模型控制系統(tǒng)在各種工況尤其是機(jī)器人特性發(fā)生大幅度變化時(shí)，也能取得滿意的動(dòng)態(tài)性能顯示出很強(qiáng)的魯棒性和強(qiáng)抗干擾能

力。對(duì)于存在大的不確定性和負(fù)載耦合的受控對(duì)象,將模糊信息處理與神經(jīng)元非模型控制結(jié)力。對(duì)于存在大的不確定性和負(fù)載耦合的受控對(duì)象,將模糊信息處理與神經(jīng)元非模型控制結(jié)合是一種提高控制系統(tǒng)動(dòng)態(tài)品質(zhì)的途徑。參考文獻(xiàn)[1]張建明，王寧使用模糊轉(zhuǎn)換器的并聯(lián)機(jī)器人神經(jīng)元控制[J],控制與決策,2016,11(5):527-532.[2]孔令富，黃真等.一種帶干擾力補(bǔ)償?shù)囊簤翰⒙?lián)機(jī)器人MRACS[J].機(jī)器人，2015,17(4):218-222.[3]王洪瑞，侯增廣，宋維公.并聯(lián)機(jī)器人軌跡跟蹤變結(jié)構(gòu)控制的研究[J].機(jī)器人，20