智能控制論文

研究生課程（論文類）試卷20 /20學(xué)年第學(xué)期課程名稱：課程代碼：論文題目：學(xué)生姓名：專業(yè)、學(xué)號(hào)：學(xué)院：課程（論文）成績(jī)：課程（論文）評(píng)分依據(jù)（必填）：任課教師簽字：日期：年月曰課程（論文）題目：機(jī)器人智能控制研究進(jìn)展內(nèi)容：摘要:以介紹機(jī)器人控制技術(shù)的發(fā)展及機(jī)器人智能控制的現(xiàn)狀為基礎(chǔ)，敘述了模糊控制和人工神經(jīng)網(wǎng)絡(luò)控制在機(jī)器人中智能控制的方法.討論了機(jī)器人智能控制中的模糊控制和變結(jié)構(gòu)控制，神經(jīng)網(wǎng)絡(luò)控制和變結(jié)構(gòu)控制,以及模糊控制和神經(jīng)網(wǎng)絡(luò)控制等幾種智能控制技術(shù)的融合.并對(duì)模糊控制和神經(jīng)網(wǎng)絡(luò)控制等方法中的局限性作出了說(shuō)明.關(guān)鍵詞:機(jī)器人;智能控制;模糊控制;人工神經(jīng)網(wǎng)絡(luò)1機(jī)器人智能控制技術(shù)的發(fā)展從機(jī)器人誕生到20世紀(jì)80年代初，機(jī)器人技術(shù)經(jīng)歷了一個(gè)長(zhǎng)期緩慢的發(fā)展過(guò)程.到了20世紀(jì)90年代，隨著計(jì)算機(jī)技術(shù)、微電子技術(shù)、網(wǎng)絡(luò)技術(shù)等的快速發(fā)展機(jī)器人技術(shù)也得到了飛速發(fā)展.智能機(jī)器人的研究是目前機(jī)器人研究中的熱門課題.作為一門新興學(xué)科，它融合了神經(jīng)生理學(xué)、心理學(xué)、運(yùn)籌學(xué)、控制論和計(jì)算機(jī)技術(shù)等多學(xué)科思想和技術(shù)成果.智能控制的研究主要體現(xiàn)在對(duì)基于知識(shí)系統(tǒng)、模糊邏輯和人工神經(jīng)網(wǎng)絡(luò)的研究.智能機(jī)器人可以在非預(yù)先規(guī)定的環(huán)境中自行解決問題.智能機(jī)器人的技術(shù)關(guān)鍵就是自適應(yīng)和自學(xué)習(xí)的能力，而模糊控制和神經(jīng)網(wǎng)絡(luò)控制的應(yīng)用顯示出諸多優(yōu)勢(shì)，具有廣闊的應(yīng)用前景.機(jī)器人控制技術(shù)的發(fā)展早期的機(jī)器人系統(tǒng)，由于需要完成的任務(wù)比較簡(jiǎn)單，而且對(duì)動(dòng)態(tài)特性的要求不高,其系統(tǒng)可看成是機(jī)器人各關(guān)節(jié)控制器簡(jiǎn)單的組合.隨著機(jī)器人技術(shù)的發(fā)展，機(jī)器人控制器對(duì)各關(guān)節(jié)在整個(gè)過(guò)程中位置、速度及加速度都有一定的要求因此可采用獨(dú)立關(guān)節(jié)控制原則,在各關(guān)節(jié)構(gòu)成PID控制.由于機(jī)器人操作臂是一個(gè)高度非線性的系統(tǒng),工業(yè)用的低速操作臂應(yīng)用常規(guī)的PID反饋控制可以滿足控制要求，但為實(shí)現(xiàn)高速運(yùn)動(dòng)，要求具有較好的控制品質(zhì)，PID反饋控制難以取得較好的控制效果.在傳統(tǒng)的控制方法中，它們依賴數(shù)學(xué)模型.但是，由于操作臂的參數(shù)不能精確得到，模型參數(shù)與實(shí)際參數(shù)不匹配時(shí),便會(huì)產(chǎn)生伺服誤差.當(dāng)機(jī)器人工作環(huán)境及工作目標(biāo)的性質(zhì)和特征在工作過(guò)程中隨時(shí)間發(fā)生變化時(shí)，控制系統(tǒng)的特性有未知和不定的特性.這未知因素和不定性使控制系統(tǒng)性能降低.因此，采用傳統(tǒng)的控制方案已不能滿足控制要求.在研究被控對(duì)象的模型存在不確定性及未知環(huán)境交互作用較強(qiáng)情況下的控制時(shí)，智能控制方法得到了成功的應(yīng)用.近年來(lái)，隨著人們對(duì)機(jī)器人高速高精度要求的不斷提高，使得整個(gè)機(jī)器人系統(tǒng)對(duì)其控制部分的要求也越來(lái)越高，開發(fā)具有智能的機(jī)器人已經(jīng)成為人們研究的熱點(diǎn)。機(jī)器人智能控制的現(xiàn)狀近幾年，機(jī)器人智能控制在理論和應(yīng)用方面都有較大的進(jìn)展。在模糊控制方面，由J?J?Buckley等人論證了模糊系統(tǒng)的逼近特性;E?H?Mamdan首次將模糊理論運(yùn)用于一臺(tái)實(shí)際機(jī)器人，把模糊控制技術(shù)在機(jī)器人中的應(yīng)用得以展現(xiàn)［1］.而且，模糊系統(tǒng)在機(jī)器人的建模、控制、對(duì)柔性臂的控制、模糊補(bǔ)償控制、以及移動(dòng)機(jī)器人路徑規(guī)劃等各個(gè)領(lǐng)域都得到了廣泛的應(yīng)用。在機(jī)器人神經(jīng)網(wǎng)絡(luò)控制方面CMCA(Cere-bellaModelControllerArticulation)是應(yīng)用較早的一種控制方法，它的最大特點(diǎn)是實(shí)時(shí)性好，尤其適應(yīng)于多自由度操作臂的控制,W?T-Miller等［2］還進(jìn)行了實(shí)驗(yàn)研究，驗(yàn)證了該方法的有效性.2機(jī)器人智能控制方法機(jī)器人的模糊控制英國(guó)學(xué)者E-H-Mamdani在1974年首次成功地將模糊集理論運(yùn)用于工業(yè)鍋爐的過(guò)程控制之中，并于20世紀(jì)80年代初又將模糊控制引進(jìn)到機(jī)器人的控制中.被控對(duì)象是一個(gè)具有兩個(gè)旋轉(zhuǎn)關(guān)節(jié)的操作臂，每個(gè)關(guān)節(jié)由直流電動(dòng)機(jī)驅(qū)動(dòng).關(guān)節(jié)的實(shí)際轉(zhuǎn)角通過(guò)測(cè)速發(fā)電機(jī)由A/D轉(zhuǎn)換電路獲得，其角速度通過(guò)SOC的記憶存儲(chǔ)器編程來(lái)實(shí)現(xiàn).其主要是對(duì)操作臂模糊控制系統(tǒng)，分別進(jìn)行階躍響應(yīng)測(cè)試和跟蹤控制試驗(yàn).控制結(jié)果證明了模糊控制方案具有可行性和優(yōu)越性.由LinCM等人［3］提出了在模糊控制器結(jié)構(gòu)的基礎(chǔ)上引入PI調(diào)節(jié)機(jī)制達(dá)到對(duì)階躍輸入的快速響應(yīng)和達(dá)到消除隱態(tài)誤差的效果.通過(guò)相平面上對(duì)兩種不同區(qū)域的啟發(fā)性分類，可得到一組簡(jiǎn)單的模糊規(guī)則，從而簡(jiǎn)化了模糊規(guī)則庫(kù)和算法,使最終的控制器易于實(shí)現(xiàn).該控制方案通過(guò)仿真實(shí)驗(yàn)得到驗(yàn)證.由鄧輝等人［4］提出了一種基于模糊聚類和滑模控制的模糊逆模型控制方法，并將其應(yīng)用于動(dòng)力學(xué)方程未知的機(jī)械手軌跡控制.采用c均值聚類算法構(gòu)造兩關(guān)節(jié)機(jī)械手模糊模型,并由此構(gòu)造模糊系統(tǒng)的逆模型.在提出的模糊逆模型控制結(jié)構(gòu)中，離散時(shí)間滑模控制和時(shí)延控制用于補(bǔ)償模糊建模誤差和外擾動(dòng)，保證系統(tǒng)全局穩(wěn)定性,并改善其動(dòng)態(tài)和穩(wěn)態(tài)性能.系統(tǒng)穩(wěn)定性和軌跡誤差的收斂性，通過(guò)穩(wěn)定性定理得到證明.機(jī)器人的神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)的研究20世紀(jì)60年代，并在20世紀(jì)80年代得到了快速的發(fā)展.近幾年來(lái),神經(jīng)網(wǎng)絡(luò)研究的目標(biāo)是復(fù)雜的非線性系統(tǒng)的識(shí)別和控制等方面,神經(jīng)網(wǎng)絡(luò)在控制應(yīng)用上具有以下特點(diǎn):能夠充分逼近任意復(fù)雜的非線性系統(tǒng);能夠?qū)W習(xí)與適應(yīng)不確定系統(tǒng)的動(dòng)態(tài)特性;有很強(qiáng)的魯棒性和容錯(cuò)性等.因此，神經(jīng)網(wǎng)絡(luò)對(duì)機(jī)器人控制具有很大的吸引力.在機(jī)器人的神經(jīng)網(wǎng)絡(luò)動(dòng)力學(xué)控制方法中，典型的是計(jì)算力矩控制和分解運(yùn)動(dòng)加速度控制,前者在關(guān)節(jié)空間閉環(huán)，后者在直角坐標(biāo)空間閉環(huán).在基于模型計(jì)算力矩控制結(jié)構(gòu)中，關(guān)鍵是逆運(yùn)動(dòng)學(xué)計(jì)算，為實(shí)現(xiàn)實(shí)時(shí)計(jì)算和避免參數(shù)不確定性，可通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)輸入輸出的非線性關(guān)系.對(duì)多自由度的機(jī)器人手臂，輸入?yún)?shù)多，學(xué)習(xí)時(shí)間長(zhǎng)，為了減少訓(xùn)練數(shù)據(jù)樣本的個(gè)數(shù)，可將整個(gè)系統(tǒng)分解為多個(gè)子系統(tǒng),分別對(duì)每個(gè)子系統(tǒng)進(jìn)行學(xué)習(xí)，這樣就會(huì)減少網(wǎng)絡(luò)的訓(xùn)練時(shí)間，可實(shí)現(xiàn)實(shí)時(shí)控制.由Albus提出了一種基于人腦記憶和神經(jīng)肌肉控制模型的控制機(jī)器人關(guān)節(jié)控制方法，即CM-CA法.該方法以數(shù)學(xué)模塊為基礎(chǔ)，采用查表方式產(chǎn)生一個(gè)以離散狀態(tài)輸入為響應(yīng)的輸出矢量.在控制中，狀態(tài)矢量輸入來(lái)自機(jī)器人關(guān)節(jié)的位置與速度反饋，輸出矢量為機(jī)器人驅(qū)動(dòng)信號(hào).也可以利用CMCA模擬機(jī)器人動(dòng)力學(xué)方程，計(jì)算實(shí)現(xiàn)期望運(yùn)動(dòng)所需力矩作為前反饋控制力矩，米用自適應(yīng)反饋控制消除輸入擾動(dòng)及參數(shù)變化引起的誤差.經(jīng)過(guò)仿真實(shí)驗(yàn)證明，經(jīng)過(guò)4個(gè)控制周期后，控制過(guò)程的誤差趨近于零。F.L.Lewis基于無(wú)源理論，提出了一類網(wǎng)絡(luò)利用功能連接神經(jīng)網(wǎng)絡(luò)逼近機(jī)器人動(dòng)力學(xué)模型連接權(quán)在線調(diào)整方法，可保證神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制算法閉環(huán)穩(wěn)定.2.3機(jī)器人智能控制技術(shù)的融合模糊控制和變結(jié)構(gòu)控制的融合在模糊變結(jié)構(gòu)控制器(FVSC)中,許多學(xué)者把變結(jié)構(gòu)框架中的每個(gè)參數(shù)或是細(xì)節(jié)采用模糊系統(tǒng)來(lái)逼近或推理，仿真實(shí)驗(yàn)證明該方法比PID控制或滑模控制更有效.在設(shè)計(jì)常規(guī)變結(jié)構(gòu)控制律時(shí)，若函數(shù)系數(shù)取得很大，系統(tǒng)就會(huì)產(chǎn)生很多的抖振，如果用引入邊界層方法消除抖振，就會(huì)產(chǎn)生很大的誤差;若該系數(shù)取較小值，魯棒性就會(huì)變差.因此，金耀初等人［5］提出了通過(guò)引入模糊系統(tǒng)來(lái)動(dòng)態(tài)預(yù)測(cè)和估計(jì)系統(tǒng)中不確定量的方法.模糊系統(tǒng)中的輸入分為兩種:一種為系統(tǒng)的綜合偏差模糊值;另一種為偏差增量模糊值.它的輸出是對(duì)上述函數(shù)中的系數(shù)進(jìn)行模糊估值.仿真結(jié)果表明抖振現(xiàn)象得到了抑制.還有人在初始建模階段采取模糊系統(tǒng)辨識(shí)，其后在變結(jié)構(gòu)控制中對(duì)動(dòng)力學(xué)模型進(jìn)行自適應(yīng)學(xué)習(xí).在這種控制方案中，模糊控制和變結(jié)構(gòu)控制之間的界限很清晰，從仿真結(jié)果看，控制性能也較好.神經(jīng)網(wǎng)絡(luò)和變結(jié)構(gòu)控制的融合神經(jīng)網(wǎng)絡(luò)和變結(jié)構(gòu)控制的融合一般稱為NNVSC.實(shí)現(xiàn)融合的途徑一般是利用神經(jīng)網(wǎng)絡(luò)來(lái)近似模擬非線性系統(tǒng)的滑動(dòng)運(yùn)動(dòng)，采用變結(jié)構(gòu)的思想對(duì)神經(jīng)網(wǎng)絡(luò)的控制律進(jìn)行增強(qiáng)魯棒性的設(shè)計(jì)，這樣就可避開學(xué)習(xí)達(dá)到一定的精度后神經(jīng)網(wǎng)絡(luò)收斂速度變慢的不利影響.經(jīng)過(guò)仿真實(shí)驗(yàn)證明該方法有很好的控制效果.但是由于變結(jié)構(gòu)控制的存在,系統(tǒng)會(huì)出現(xiàn)力矩抖振.牛玉剛等人［6］將變結(jié)構(gòu)控制和神經(jīng)網(wǎng)絡(luò)的非線性映射能力相結(jié)合，提出了一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)械手自適應(yīng)滑?？刂破?如果考慮利用滑?？刂萍夹g(shù)，需要知道系統(tǒng)的不確定性的上界，但在實(shí)際應(yīng)用中，許多系統(tǒng)的不確定界卻難以得到.因此利用神經(jīng)網(wǎng)絡(luò)估計(jì)系統(tǒng)的不確定性的未知界，克服了常規(guī)滑?？刂菩枰阎淮_定性界的限制，但是由于滑模控制的存在，就有抖振現(xiàn)象，為了消除抖振，可用S型函數(shù)代替符號(hào)函數(shù).經(jīng)過(guò)仿真實(shí)驗(yàn)，該控制器能夠有效的補(bǔ)償系統(tǒng)不確定性的影響,保證機(jī)器人系統(tǒng)對(duì)期望軌跡的快速跟蹤.模糊控制和神經(jīng)網(wǎng)絡(luò)控制的融合模糊控制和神經(jīng)網(wǎng)絡(luò)控制的融合，一般稱為模糊神經(jīng)網(wǎng)絡(luò)(Fuzzifiedneuralnetwork)或神經(jīng)網(wǎng)絡(luò)模糊控制器(neuro-fuzzycontroller).模糊系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合實(shí)現(xiàn)對(duì)控制對(duì)象進(jìn)行自動(dòng)控制i是由美國(guó)學(xué)者B-Kosko首先提出的［7］.模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)都屬于一種數(shù)值化和非數(shù)學(xué)模型函數(shù)估計(jì)器的信息處理方法，它們以一種不精確的方式處理不精確的信息.模糊控制引入了隸屬度的概念，即規(guī)則數(shù)值化，從而可直接處理結(jié)構(gòu)化知識(shí);神經(jīng)網(wǎng)絡(luò)則需要大量的訓(xùn)練數(shù)據(jù)，通過(guò)自學(xué)習(xí)過(guò)程，借助并行分布結(jié)構(gòu)來(lái)估計(jì)輸入與輸出間的映射關(guān)系.雖然模糊控制與神經(jīng)網(wǎng)絡(luò)處理模糊信息的方式不同，但仍可以將二者結(jié)合起來(lái).利用模糊控制的思維推理功能來(lái)補(bǔ)充神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間連接結(jié)構(gòu)的相對(duì)任意性;以神經(jīng)網(wǎng)絡(luò)強(qiáng)有力的學(xué)習(xí)功能來(lái)對(duì)模糊控制的各有關(guān)環(huán)節(jié)進(jìn)行訓(xùn)練.可利用神經(jīng)網(wǎng)絡(luò)在線學(xué)習(xí)模糊集的隸屬度函數(shù)，實(shí)現(xiàn)其推理過(guò)程以及模糊決策等.在整個(gè)控制過(guò)程中，兩種控制動(dòng)態(tài)地發(fā)生作用，相互依賴.王洪斌等人針對(duì)機(jī)器人逆運(yùn)動(dòng)學(xué)問題提出了基于模糊神經(jīng)網(wǎng)絡(luò)的解決方案.該方案對(duì)二自由度剛性機(jī)器人進(jìn)行仿真實(shí)驗(yàn)，證明了其有效性和可行性.王耀南等人也介紹了模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用.介紹了一種模糊神經(jīng)網(wǎng)絡(luò)控制與傳統(tǒng)的PD控制相結(jié)合的機(jī)器人學(xué)習(xí)控制系統(tǒng)，該控制具有自學(xué)習(xí)、自適應(yīng)、控制精度高等特點(diǎn).智能融合技術(shù)還包括基于遺傳算法的模糊控制方法.遺傳算法作為一種新的搜索算法，具有并行搜索，全局收斂等特性，將遺傳算法應(yīng)用于模糊控制中,可以解決一般模糊控制中隸屬度函數(shù)及規(guī)則參數(shù)調(diào)節(jié)問題.這方面研究典型代表人物有Karr,Homaifar,Ishibuchi等人.也有基于遺傳算法的人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，以及基于粗糙集理論進(jìn)行BP網(wǎng)絡(luò)設(shè)計(jì)的方法.在粗糙集改進(jìn)BP網(wǎng)絡(luò)的方法中，主要是應(yīng)用粗糙集的理論和方法，從給定學(xué)習(xí)樣本數(shù)據(jù)中發(fā)現(xiàn)一組規(guī)則，并根據(jù)這些規(guī)則去建立網(wǎng)絡(luò)模型中相應(yīng)的隱層節(jié)點(diǎn)然后用BP算法迭代出網(wǎng)絡(luò)的參數(shù).和以前實(shí)驗(yàn)法選擇隱層數(shù)量和隱層內(nèi)神經(jīng)元個(gè)數(shù)的方法相比，節(jié)約了計(jì)算時(shí)間，簡(jiǎn)化了選擇的方法.3結(jié)語(yǔ)智能控制方法提高了機(jī)器人的速度及精度，但是智能控制方法本身也有著自身的局限性.例如機(jī)器人模糊控制中的規(guī)則庫(kù)如果很龐大,推理過(guò)程的時(shí)間就會(huì)過(guò)長(zhǎng);如果規(guī)則庫(kù)很簡(jiǎn)單，控制的精確性又要受到限制;無(wú)論是模糊控制還是變結(jié)構(gòu)控制，抖振現(xiàn)象都會(huì)存在，這將給控制帶來(lái)嚴(yán)重的影響;神經(jīng)網(wǎng)絡(luò)的隱層數(shù)量和隱層內(nèi)神經(jīng)元數(shù)的合理確定仍是目前神經(jīng)網(wǎng)絡(luò)在控制方面所遇到的問題，另外神經(jīng)網(wǎng)絡(luò)易陷于局部極小值等問題，都是智能控制設(shè)計(jì)中要解決的問題.參考文獻(xiàn)：王灝，毛宗源.機(jī)器人的智能控制方法[M].北京:國(guó)防工業(yè)出版社,2002.PangGKH,RavichandranT.Knowledge2basedcontrolofasingle-linkflexiblerobotarm[J].EngngAp-plic.Artif.Intell..1993,6(2):123-130.LinCM,HiyamaT.Applicationoffuzzylogiccontroltoamanipulator[J].RobotandAutomation,1991,7(5):688-691.⑷ 鄧輝,孫富春，孫增圻.機(jī)械手的模糊逆模型魯棒控制由自動(dòng)化學(xué)報(bào),2001