淺談機(jī)器人智能控制研究

1、陜西科技大學(xué) 2015 級(jí)研究生課程考試答題紙題號(hào)一二三四五六七八九十總分得分閱卷人 考試科目 機(jī)械制造與裝配自動(dòng)化專 業(yè) 機(jī)械工程學(xué) 號(hào) 1505048考生姓名 喬旭光考生類別 專業(yè)學(xué)位碩士注 意 事 項(xiàng)1. 試題隨試卷交回；2. 試卷評(píng)閱后，一周內(nèi)送交研究生秘書(shū)處保存；3. 考生類別為學(xué)術(shù)碩士、專業(yè)學(xué)位碩士、在職人員攻讀碩士學(xué)位。淺談機(jī)器人智能控制研究摘要：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

2、。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 智能控制的主要方法隨著信息技術(shù)的發(fā)展，許多新方法和技術(shù)進(jìn)入工程化、產(chǎn)品化階段，這對(duì)自動(dòng)控制技術(shù)提出嶄新的挑戰(zhàn)，促進(jìn)了智能理論在控制技術(shù)中的應(yīng)用，以解決用傳統(tǒng)的方法難以解決的復(fù)雜系統(tǒng)的控制問(wèn)題。 智能控制技術(shù)的主要方法有模糊控制、基于知識(shí)的專家控制、神經(jīng)網(wǎng)絡(luò)控制和集成智能控制等,以及常用優(yōu)化算法有:遺傳算法、蟻群算法、免疫算法等。1.1 模糊控制 模糊控制以模糊集合、模糊語(yǔ)言變量、模糊推理為其理論基礎(chǔ),以先驗(yàn)知識(shí)和專家經(jīng)驗(yàn)作為控制規(guī)則。其基本思想是用機(jī)器模擬人對(duì)系統(tǒng)的控

3、制,就是在被控對(duì)象的模糊模型的基礎(chǔ)上運(yùn)用模糊控制器近似推理等手段,實(shí)現(xiàn)系統(tǒng)控制。在實(shí)現(xiàn)模糊控制時(shí)主要考慮模糊變量的隸屬度函數(shù)的確定,以及控制規(guī)則的制定二者缺一不可。1.2 專家控制 專家控制是將專家系統(tǒng)的理論技術(shù)與控制理論技術(shù)相結(jié)合,仿效專家的經(jīng)驗(yàn),實(shí)現(xiàn)對(duì)系統(tǒng)控制的一種智能控制。主體由知識(shí)庫(kù)和推理機(jī)構(gòu)組成,通過(guò)對(duì)知識(shí)的獲取與組織,按某種策略適時(shí)選用恰當(dāng)?shù)囊?guī)則進(jìn)行推理,以實(shí)現(xiàn)對(duì)控制對(duì)象的控制。專家控制可以靈活地選取控制率,靈活性高;可通過(guò)調(diào)整控制器的參數(shù),適應(yīng)對(duì)象特性及環(huán)境的變化,適應(yīng)性好;通過(guò)專家規(guī)則,系統(tǒng)可以在非線性、大偏差的情況下可靠地工作,魯棒性強(qiáng)。 1.3 神經(jīng)網(wǎng)絡(luò)

4、控制 神經(jīng)網(wǎng)絡(luò)模擬人腦神經(jīng)元的活動(dòng),利用神經(jīng)元之間的聯(lián)結(jié)與權(quán)值的分布來(lái)表示特定的信息,通過(guò)不斷修正連接的權(quán)值進(jìn)行自我學(xué)習(xí),以逼近理論為依據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)建模,并以直接自校正控制、間接自校正控制、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制等方式實(shí)現(xiàn)智能控制。 1.4 學(xué)習(xí)控制 (1)遺傳算法學(xué)習(xí)控制 智能控制是通過(guò)計(jì)算機(jī)實(shí)現(xiàn)對(duì)系統(tǒng)的控制,因此控制技術(shù)離不開(kāi)優(yōu)化技術(shù)?？焖?、高效、全局化的優(yōu)化算法是實(shí)現(xiàn)智能控制的重要手段。遺傳算法是模擬自然選擇和遺傳機(jī)制的一種搜索和優(yōu)化算法,它模擬生物界/生存競(jìng)爭(zhēng),優(yōu)勝劣汰,適者生存的機(jī)制,利用復(fù)制、交叉、變異等遺傳操作來(lái)完成尋優(yōu)。遺傳算法作為優(yōu)化搜索算

5、法,一方面希望在寬廣的空間內(nèi)進(jìn)行搜索,從而提高求得最優(yōu)解的概率;另一方面又希望向著解的方向盡快縮小搜索范圍,從而提高搜索效率。如何同時(shí)提高搜索最優(yōu)解的概率和效率,是遺傳算法的一個(gè)主要研究方向 。 (2)迭代學(xué)習(xí)控制 迭代學(xué)習(xí)控制模仿人類學(xué)習(xí)的方法、即通過(guò)多次的訓(xùn)練,從經(jīng)驗(yàn)中學(xué)會(huì)某種技能,來(lái)達(dá)到有效控制的目的。迭代學(xué)習(xí)控制能夠通過(guò)一系列迭代過(guò)程實(shí)現(xiàn)對(duì)二階非線性動(dòng)力學(xué)系統(tǒng)的跟蹤控制。整個(gè)控制結(jié)構(gòu)由線性反饋控制器和前饋學(xué)習(xí)補(bǔ)償控制器組成,其中線性反饋控制器保證了非線性系統(tǒng)的穩(wěn)定運(yùn)行、前饋補(bǔ)償控制器保證了系統(tǒng)的跟蹤控制精度。它在執(zhí)行重復(fù)運(yùn)動(dòng)的非線性機(jī)器人系統(tǒng)的控制中是相當(dāng)成功的。&

6、#160;2 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(wèn)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。2.1

7、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

8、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(kāi)發(fā)具有智能的機(jī)器人已經(jīng)成為人們研究的熱點(diǎn)。2.2 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·

9、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) 。 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-bella Model Cont roller Articulation) 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 等還進(jìn)行了實(shí)驗(yàn)研究,驗(yàn)證了該方法的有效性。3 機(jī)器人智能控制方法3.1 機(jī)器人的模糊控制英國(guó)學(xué)者E·H·M

10、amdani 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Lin C M 等人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

11、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。由鄧輝等人提出了一種基于模糊聚類和滑?？刂频哪：婺Ｐ涂刂品椒?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。3.2 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)

12、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

13、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,采用自適應(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)

14、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。33機(jī)器人智能控制技術(shù)的融合 (1) 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?？刂聘行АＴ谠O(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)

15、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。(2) 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(kāi)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。牛玉剛等人將變結(jié)構(gòu)控制和神經(jīng)網(wǎng)絡(luò)

16、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? 如果考慮利用滑模控制技術(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?？刂频拇嬖?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。(3) 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)( Fuzzified neural network) 或神經(jīng)網(wǎng)絡(luò)模糊控制器(

17、neuro-fuzzy cont roller) 。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,是由美國(guó)學(xué)者B·Kosko 首先提出的。 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

18、能來(lái)對(duì)模糊控制的各有關(guān)環(huán)節(jié)進(jìn)行訓(xùn)練?？衫蒙窠?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(wèn)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