《機(jī)器人學(xué)及其應(yīng)用-導(dǎo)論》課件 第六章 機(jī)器人典型控制算法

《機(jī)器人學(xué)及其應(yīng)用—導(dǎo)論》第六章機(jī)器人典型控制算法提綱146PID控制方法

模糊控制算法

遙操作與人機(jī)交互算法523

遺傳算法

神經(jīng)網(wǎng)絡(luò)算法自學(xué)習(xí)/深度學(xué)習(xí)算法一、PID控制方法定義：PID是比例（proportion）積分（integral）微分（differential）的簡(jiǎn)稱。原理：（1）比例（P）控制（調(diào)整系統(tǒng)的開環(huán)增益，提高系統(tǒng)的穩(wěn)態(tài)精度，降低系統(tǒng)的惰性，加快響應(yīng)速度）（2）積分（I）控制（增加控制系統(tǒng)的調(diào)節(jié)精度，消除靜態(tài)誤差。）（3）微分（D）控制（反映偏差信號(hào)的變化率，能夠遇見(jiàn)偏差的變化趨勢(shì)，產(chǎn)生超前的控制作用。）PID控制算法原理框圖被控對(duì)象比例環(huán)節(jié)積分環(huán)節(jié)微分環(huán)節(jié)求和求差期望輸出實(shí)際輸出算法分類PID控制算法分為以下三類：位置式PID算法增量式PID算法PID算法微分先行位置式PID算法優(yōu)點(diǎn)：不需要建立數(shù)學(xué)模型，控制系統(tǒng)的穩(wěn)定性較好。缺點(diǎn)：計(jì)算量非常大適用范圍：適用于不帶積分元件的執(zhí)行器一、PID控制方法增量式PID算法優(yōu)點(diǎn)：使用加權(quán)處理達(dá)到比較良好的控制效果；機(jī)器發(fā)生故障時(shí)影響范圍小、不會(huì)嚴(yán)重影響生產(chǎn)過(guò)程；可以實(shí)現(xiàn)無(wú)擾動(dòng)切換缺點(diǎn)：有靜態(tài)誤差，溢出影響大PID算法微分先行優(yōu)點(diǎn)：改善系統(tǒng)克服超調(diào)現(xiàn)象的性能；適用范圍：它主要應(yīng)用于串聯(lián)控制系統(tǒng)的副控制回路一、PID控制方法Matlab/simulink模型PID控制方法原理簡(jiǎn)單，使用方便，系統(tǒng)的穩(wěn)定性高，適應(yīng)性強(qiáng)，在工業(yè)控制中被廣泛應(yīng)用。而且PID算法有一套完整的參數(shù)設(shè)定與設(shè)計(jì)方法，易于掌握。5一、PID控制方法但是PID控制系統(tǒng)也存在一定的缺點(diǎn)。為了改進(jìn)PID控制算法的性能，增加其應(yīng)用范圍，出現(xiàn)了許多改進(jìn)型PID控制算法；在這些改進(jìn)型的控制系統(tǒng)中，主要有模糊PID控制系統(tǒng)、專家PID控制系統(tǒng)、基于遺傳算法整定的PID控制系統(tǒng)、灰色PID控制系統(tǒng)以及神經(jīng)PID控制系統(tǒng)等。6一、PID控制方法模糊控制系統(tǒng)(FuzzyControlSystem)模糊PID控制就是將PID控制策略引入模糊（Fuzzy）控制器，構(gòu)成模糊PID復(fù)合控制。7一、PID控制方法專家控制系統(tǒng)(ExpertControlSystem)是一個(gè)應(yīng)用專家系統(tǒng)技術(shù)的控制系統(tǒng)。專家PID控制系統(tǒng)把常規(guī)的PID控制器與先進(jìn)的專家系統(tǒng)相結(jié)合，實(shí)現(xiàn)系統(tǒng)的最佳控制。8一、PID控制方法神經(jīng)控制系統(tǒng)(Neuro-ControlSystem)起源于對(duì)人腦神經(jīng)系統(tǒng)模擬而建立起來(lái)的。神經(jīng)網(wǎng)絡(luò)PID控制：神經(jīng)網(wǎng)絡(luò)應(yīng)用于PID控制并與傳統(tǒng)PID控制相結(jié)合，而產(chǎn)生的一種改進(jìn)型控制方法基于神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)框圖9例：基于神經(jīng)網(wǎng)絡(luò)的位置控制PID控制方法的參數(shù)整定方法10一、PID控制方法PID控制參數(shù)整定方法優(yōu)點(diǎn)缺點(diǎn)手動(dòng)整定經(jīng)驗(yàn)試湊發(fā)方法簡(jiǎn)單，應(yīng)用廣泛依靠經(jīng)驗(yàn)，耗費(fèi)時(shí)間Z-N經(jīng)驗(yàn)公式法方法簡(jiǎn)單，使用快捷大滯后過(guò)程中，控制品質(zhì)差Z-N臨界比例度法不依賴模型數(shù)學(xué)參數(shù)多次試驗(yàn)耗時(shí)長(zhǎng)，受不確定因素影響大，臨界振蕩不易判定衰減曲線法利用衰減振蕩整定參數(shù)負(fù)荷變化，需要重新調(diào)整Cohen-Coon整定法抗負(fù)載擾動(dòng)能力強(qiáng)作用于小時(shí)滯系統(tǒng)產(chǎn)生大超調(diào)自動(dòng)整定階躍辨識(shí)法魯棒性強(qiáng)，動(dòng)態(tài)性能好計(jì)算簡(jiǎn)單，精度高從階躍響應(yīng)曲線獲得參數(shù)困難繼電反饋法耗時(shí)少，抗干擾，可整定高度非線性過(guò)程繼電反饋得到的參數(shù)是近似參數(shù)最優(yōu)整定法系統(tǒng)超調(diào)小、響應(yīng)快性能指標(biāo)提取困難內(nèi)?？刂瞥{(diào)小、抗干擾模型建立精確性難保證非線性PID控制超調(diào)小、調(diào)整時(shí)間短控制參數(shù)的不易選取提綱146PID控制方法

模糊控制算法

遙操作與人機(jī)交互算法523

遺傳算法

神經(jīng)網(wǎng)絡(luò)算法自學(xué)習(xí)/深度學(xué)習(xí)算法二、模糊控制算法定義：以模糊集合論、模糊語(yǔ)言變量和模糊邏輯推理為基礎(chǔ)的一種控制技術(shù)。適用于現(xiàn)代比較復(fù)雜的現(xiàn)代工業(yè)控制系統(tǒng)。優(yōu)點(diǎn)：具有較強(qiáng)的穩(wěn)定性以及抗干擾能力，可實(shí)現(xiàn)對(duì)具有時(shí)變時(shí)滯、非線性的復(fù)雜系統(tǒng)的控制。缺點(diǎn)：①模糊控制規(guī)則不明確，通常是憑借操作者的經(jīng)驗(yàn)或者根據(jù)專家知識(shí)獲取的，因此不能獲得對(duì)系統(tǒng)的最優(yōu)控制規(guī)則；②在控制過(guò)程中，如果出現(xiàn)外界干擾，參數(shù)會(huì)大幅度變化，導(dǎo)致控制結(jié)果不盡如人意。③在系統(tǒng)變量增加狀態(tài)變量之間的耦合關(guān)系不容易表征時(shí)，控制器設(shè)計(jì)困難；④當(dāng)系統(tǒng)存在不確定性或者系統(tǒng)的狀態(tài)變量不可測(cè)時(shí)，常規(guī)的模糊控制器效果達(dá)不到期望的目標(biāo)。13二、模糊控制算法

模糊控制的基本思想

將人類專家對(duì)特定對(duì)象的控制經(jīng)驗(yàn)，運(yùn)用模糊集理論進(jìn)行量化，轉(zhuǎn)化為可數(shù)學(xué)實(shí)現(xiàn)的控制器，從而實(shí)現(xiàn)對(duì)被控對(duì)象的控制。

人類專家的控制經(jīng)驗(yàn)是如何轉(zhuǎn)化為數(shù)字控制器的？14二、模糊控制算法人類對(duì)熱水器水溫的調(diào)節(jié)控制思想：如果水溫偏高，就把燃?xì)忾y關(guān)??；如果水溫偏低，就把燃?xì)忾y開大。15二、模糊控制算法模仿人類的調(diào)節(jié)經(jīng)驗(yàn)，可以構(gòu)造一個(gè)模糊控制系統(tǒng)來(lái)實(shí)現(xiàn)對(duì)熱水器的控制。

用一個(gè)溫度傳感器來(lái)替代左手進(jìn)行對(duì)水溫的測(cè)量，傳感器的測(cè)量值經(jīng)A/D變換后送往控制器。

電磁燃?xì)忾y代替右手和機(jī)械燃?xì)忾y作為執(zhí)行機(jī)構(gòu)，電磁燃?xì)忾y的開度由控制器的輸出經(jīng)D/A變換后控制。

構(gòu)造控制器，使其能夠模擬人類的操作經(jīng)驗(yàn)。16二、模糊控制算法模仿人類的調(diào)節(jié)經(jīng)驗(yàn)，可以構(gòu)造一個(gè)模糊控制系統(tǒng)來(lái)實(shí)現(xiàn)對(duì)熱水器的控制。

用一個(gè)溫度傳感器來(lái)替代左手進(jìn)行對(duì)水溫的測(cè)量，傳感器的測(cè)量值經(jīng)A/D變換后送往控制器。

電磁燃?xì)忾y代替右手和機(jī)械燃?xì)忾y作為執(zhí)行機(jī)構(gòu)，電磁燃?xì)忾y的開度由控制器的輸出經(jīng)D/A變換后控制構(gòu)造控制器，使其能夠模擬人類的操作經(jīng)驗(yàn)。二、模糊控制算法輸入e輸出u模糊推理規(guī)則庫(kù)RD/A電磁閥熱水器溫度傳感器A/D期望值＋－eu模糊值模糊值精確值精確值模糊化去模糊化熱水器水溫模糊控制系統(tǒng)結(jié)構(gòu)

二、模糊控制算法模糊控制器的基本結(jié)構(gòu)通常由四個(gè)部分組成：

模糊化接口規(guī)則庫(kù)模糊推理清晰化接口二、模糊控制算法參數(shù)自校正模糊控制系統(tǒng)結(jié)構(gòu)和參數(shù)調(diào)整算法

參數(shù)自校正模糊控制系統(tǒng)原理圖

提綱146PID控制方法

模糊控制算法

遙操作與人機(jī)交互算法523

遺傳算法

神經(jīng)網(wǎng)絡(luò)算法自學(xué)習(xí)/深度學(xué)習(xí)算法三、遺傳算法美國(guó)的J.Holland教授于1975年提出在遺傳學(xué)的基礎(chǔ)上利用計(jì)算機(jī)來(lái)模擬生物的進(jìn)化過(guò)程，從而實(shí)現(xiàn)復(fù)雜問(wèn)題的優(yōu)化求解。模擬生物染色體的運(yùn)作（復(fù)制、交叉、變異），是一種隨機(jī)化搜索算法問(wèn)題的提出三、遺傳算法(1)群體的初始化；(2)評(píng)價(jià)群體中每一個(gè)體的性能；(3)選擇下一代個(gè)體；(4)執(zhí)行簡(jiǎn)單的操作算子（如交叉、變異）；(5)評(píng)價(jià)下一代群體的性能；(6)判斷終止條件滿足否？若不，則轉(zhuǎn)(3)繼續(xù)；若滿足，則結(jié)束遺傳算法的步驟：三、遺傳算法遺傳學(xué)習(xí)算法的設(shè)計(jì)舉例：①

群體初始化；②繁殖；③交叉；④變異；⑤終止準(zhǔn)則判斷，若不滿足，重復(fù)②～④；否則，搜索結(jié)束。三、遺傳算法遺傳學(xué)習(xí)算法已經(jīng)在機(jī)器學(xué)習(xí)、自適應(yīng)控制、魯棒控制器設(shè)計(jì)、PID控制、模糊邏輯控制器優(yōu)化、最優(yōu)控制、系統(tǒng)辨識(shí)、故障診斷、神經(jīng)網(wǎng)絡(luò)控制等領(lǐng)域得到應(yīng)用和發(fā)展。遺傳學(xué)習(xí)算法的應(yīng)用：三、遺傳算法（1）非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識(shí)：（2）倒立擺神經(jīng)網(wǎng)絡(luò)：提綱146PID控制方法

模糊控制算法

遙操作與人機(jī)交互算法523

遺傳算法

神經(jīng)網(wǎng)絡(luò)算法自學(xué)習(xí)/深度學(xué)習(xí)算法四、神經(jīng)網(wǎng)絡(luò)算法定義：是一種模仿生物神經(jīng)網(wǎng)絡(luò)(動(dòng)物的中樞神經(jīng)系統(tǒng)，特別是大腦)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計(jì)算模型，用于對(duì)函數(shù)進(jìn)行估計(jì)或近似。

神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進(jìn)行計(jì)算。人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)，是一種自適應(yīng)系統(tǒng)?，F(xiàn)代神經(jīng)網(wǎng)絡(luò)是一種非線性統(tǒng)計(jì)性數(shù)據(jù)建模工具。四、神經(jīng)網(wǎng)絡(luò)算法典型的神經(jīng)網(wǎng)絡(luò)具有以下三個(gè)部分：結(jié)構(gòu)（Architecture）：結(jié)構(gòu)指定了網(wǎng)絡(luò)中的變量和它們的拓?fù)潢P(guān)系。例如，神經(jīng)網(wǎng)絡(luò)中的變量可以是神經(jīng)元連接的權(quán)重（weights）和神經(jīng)元的激勵(lì)值（activitiesoftheneurons）。激勵(lì)函數(shù)（ActivityRule）：大部分神經(jīng)網(wǎng)絡(luò)模型具有一個(gè)短時(shí)間尺度的動(dòng)力學(xué)規(guī)則，來(lái)定義神經(jīng)元如何根據(jù)其他神經(jīng)元的活動(dòng)來(lái)改變自己的激勵(lì)值。一般激勵(lì)函數(shù)依賴于網(wǎng)絡(luò)中的權(quán)重（即該網(wǎng)絡(luò)的參數(shù)）。學(xué)習(xí)規(guī)則（LearningRule）：學(xué)習(xí)規(guī)則指定了網(wǎng)絡(luò)中的權(quán)重如何隨著時(shí)間推進(jìn)而調(diào)整。這一般被看做是一種長(zhǎng)時(shí)間尺度的動(dòng)力學(xué)規(guī)則。一般情況下，學(xué)習(xí)規(guī)則依賴于神經(jīng)元的激勵(lì)值。它也可能依賴于監(jiān)督者提供的目標(biāo)值和當(dāng)前權(quán)重的值。四、神經(jīng)網(wǎng)絡(luò)算法BP（BackPropagation）神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)主要特點(diǎn)是：信號(hào)是前向傳播的，而誤差是反向傳播的。BP神經(jīng)網(wǎng)絡(luò)的過(guò)程主要分為兩個(gè)階段，第一階段是信號(hào)的前向傳播，從輸入層經(jīng)過(guò)隱含層，最后到達(dá)輸出層；第二階段是誤差的反向傳播，從輸出層到隱含層，最后到輸入層，依次調(diào)節(jié)隱含層到輸出層的權(quán)重和偏置，輸入層到隱含層的權(quán)重和偏置。四、神經(jīng)網(wǎng)絡(luò)算法神經(jīng)網(wǎng)絡(luò)應(yīng)用：①系統(tǒng)辨識(shí)動(dòng)態(tài)系統(tǒng)NNyNuye+-正模型辨識(shí)動(dòng)態(tài)系統(tǒng)NNuyuNe+-逆模型辨識(shí)通過(guò)學(xué)習(xí)（依據(jù)誤差e調(diào)整NN的權(quán)值）使

yN→y

從而使

NN→動(dòng)態(tài)系統(tǒng)通過(guò)學(xué)習(xí)使

uN→u從而使

NN→逆動(dòng)態(tài)系統(tǒng)四、神經(jīng)網(wǎng)絡(luò)算法神經(jīng)網(wǎng)絡(luò)應(yīng)用：②專家控制NN控制器受控對(duì)象檢測(cè)裝置給定輸入－反饋信號(hào)控制量誤差輸出執(zhí)行機(jī)構(gòu)

在專家或操作人員能夠很好地進(jìn)行控制的情況下，為了把人解放出來(lái)，可以用一個(gè)神經(jīng)網(wǎng)絡(luò)控制器去模仿人的控制行為，神經(jīng)網(wǎng)絡(luò)通過(guò)學(xué)習(xí)和訓(xùn)練就可以逼近操作人員的控制模式。四、神經(jīng)網(wǎng)絡(luò)算法典型應(yīng)用領(lǐng)域：各類控制與優(yōu)化系統(tǒng)辨識(shí)故障診斷容錯(cuò)技術(shù)信號(hào)處理模式識(shí)別文字識(shí)別專家系統(tǒng)等神經(jīng)網(wǎng)絡(luò)應(yīng)用于系統(tǒng)辨識(shí)與控制的優(yōu)點(diǎn)：無(wú)須數(shù)學(xué)建模，只需在線或離線學(xué)習(xí)訓(xùn)練同時(shí)適用于線性和非線性系統(tǒng)具有很強(qiáng)的適應(yīng)性和魯棒性容易和其他控制方式結(jié)合提綱146PID控制方法

模糊控制算法

遙操作與人機(jī)交互算法523

遺傳算法

神經(jīng)網(wǎng)絡(luò)算法自學(xué)習(xí)/深度學(xué)習(xí)算法五、自學(xué)習(xí)/深度學(xué)習(xí)算法

研究背景從層次增加看深度學(xué)習(xí)發(fā)展簡(jiǎn)史2020年又是冰河期？五、自學(xué)習(xí)/深度學(xué)習(xí)算法神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)網(wǎng)絡(luò)相似之處：不同之處：模擬人腦的分層網(wǎng)絡(luò)結(jié)構(gòu)；強(qiáng)調(diào)深度的重要性；突出特征學(xué)習(xí)的重要性；（逐層抽象）訓(xùn)練機(jī)制；35五、自學(xué)習(xí)/深度學(xué)習(xí)算法深度學(xué)習(xí)思想起源：人腦視覺(jué)機(jī)理后腦皮層的不同視覺(jué)神經(jīng)元，與瞳孔所受刺激之間，存在某種對(duì)應(yīng)關(guān)系。五、自學(xué)習(xí)/深度學(xué)習(xí)算法為什么需要深度？深層網(wǎng)絡(luò)具有刻畫復(fù)雜函數(shù)的能力五、自學(xué)習(xí)/深度學(xué)習(xí)算法卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetworks)是一個(gè)多層的神經(jīng)網(wǎng)絡(luò)，每層由多個(gè)二維平面組成，而每個(gè)平面由多個(gè)獨(dú)立神經(jīng)元組成。卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)CNNs網(wǎng)絡(luò)結(jié)構(gòu)五、自學(xué)習(xí)/深度學(xué)習(xí)算法循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）遞歸神經(jīng)網(wǎng)絡(luò)吸收了HMM模型的有限序列關(guān)聯(lián)的思想。神經(jīng)網(wǎng)絡(luò)的隱藏層結(jié)構(gòu)能夠更好的表達(dá)有限的觀察值背后的復(fù)雜分布。遞歸神經(jīng)網(wǎng)絡(luò)（RNN），是兩種人工神經(jīng)網(wǎng)絡(luò)的總稱：一種是時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)（recurrentneuralnetwork）；一種是結(jié)構(gòu)遞歸神經(jīng)網(wǎng)絡(luò)（recursiveneuralnetwork）；五、自學(xué)習(xí)/深度學(xué)習(xí)算法循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）時(shí)序擴(kuò)展五、自學(xué)習(xí)/深度學(xué)習(xí)算法循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）典型應(yīng)用：圖像標(biāo)注典型應(yīng)用：音樂(lè)作曲提綱146PID控制方法

模糊控制算法

遙操作與人機(jī)交互算法523

遺傳算法

神經(jīng)網(wǎng)絡(luò)算法自學(xué)習(xí)/深度學(xué)習(xí)算法六、遙操作與人機(jī)交互算法定義：遙科學(xué)的英文單詞為“Telescience”，該詞是由瑞典科學(xué)家P.Banks根據(jù)“強(qiáng)輻射實(shí)驗(yàn)室”的科學(xué)研究活動(dòng)于1985年提出來(lái)的，他把遙科學(xué)定義為“在科學(xué)研究的操作環(huán)境中遙現(xiàn)和遙操作的集合”。1988年IAF的微重力分會(huì)場(chǎng)設(shè)立了“Telescience”專題，由此“Telescience”傳入我國(guó)，被翻譯成“遙科學(xué)”。至今，這個(gè)概念如何定義目前似乎尚無(wú)統(tǒng)一的定論。比較經(jīng)典的定義為英國(guó)劍橋大學(xué)1988年新英文版的《錢伯斯特科學(xué)技術(shù)詞典》對(duì)遙科學(xué)這個(gè)詞條的注解是：“（航天）一種遠(yuǎn)距離完成實(shí)驗(yàn)用的、充分交互的科學(xué)操作方式法國(guó)馬特拉（MATRA）航天公司與歐洲航天技術(shù)中心（ESTEC）的C.Ricaud和J.C.Degavre等人（1989）在論及遙科學(xué)的概念時(shí)認(rèn)為：“遙科學(xué)將通過(guò)給地面研究人員與他的在軌實(shí)驗(yàn)載荷提供相互訪問(wèn)的手段，使太空實(shí)驗(yàn)對(duì)地面研究人員透明，從而增強(qiáng)地面研究人員和太空宇航員的工作效果?！绷?、遙操作與人機(jī)交互算法發(fā)展歷程1956年，第一臺(tái)工業(yè)機(jī)器人誕生，機(jī)器人技術(shù)獲得了廣泛的關(guān)注，此后，隨著自身和相關(guān)邊緣學(xué)科的完善發(fā)展，機(jī)器人科學(xué)取得了長(zhǎng)足的進(jìn)步，遙操作機(jī)器人系統(tǒng)作為機(jī)器人學(xué)的一個(gè)分支，逐漸得到了人們的重視。早在1948年，美國(guó)阿汞實(shí)驗(yàn)室就研制了力矩反饋式的遙操作機(jī)械式主從機(jī)械手M－1，用于原子堆的操作，用來(lái)代替人在危險(xiǎn)環(huán)境下進(jìn)行作業(yè)，隨后這方面的發(fā)展比較緩慢。1970年，前蘇聯(lián)向月球發(fā)送了月球探測(cè)器“1號(hào)”機(jī)器人，命令機(jī)器人進(jìn)行土壤采樣、物質(zhì)分析、觀測(cè)攝像等任務(wù)時(shí)，就開始探討遙操作控制技術(shù)的一些