機械臂神經(jīng)網(wǎng)絡自適應控制

1、機械臂神經(jīng)網(wǎng)絡自適應控制一. 前言由于經(jīng)典控制方法和現(xiàn)代控制方法在控制機器人這種復雜系統(tǒng)時所表現(xiàn)的種種不足，近年來，越來越多的學者開始將智能控制方法引入機器人控制，實現(xiàn)機器人控制的智能化。主要的控制方法有：模糊控制Fc,神經(jīng)網(wǎng)絡控制NNc，專家控制Ec等等。對于復雜的環(huán)境和復雜的任務，如何將人工智能技術中較少依賴模型的求解方法與常規(guī)的控制方法來結合，正是智能控制所要解決的問題。因此，智能控制系統(tǒng)必須具有模擬人類學習和自適應、自組織的能力。現(xiàn)代智能控制技術的進步，為機器人技術的發(fā)展尤其是智能機器人技術的研究與發(fā)展提供了可能。神經(jīng)網(wǎng)絡的研究已經(jīng)有30多年的歷史，它是介于符號推理與數(shù)值計算之間的一種

2、數(shù)學工具，具有很好的學習能力和適應能力，適合于用作智能控制的工具，所以神經(jīng)網(wǎng)絡控制是智能控制的一個重要方面。由于神經(jīng)網(wǎng)絡在許多方面試圖模擬人腦的功能。因此神經(jīng)網(wǎng)絡控制并不依賴精確的數(shù)學模型，并且神經(jīng)網(wǎng)絡對信息的并行處理能力和快速性，適于機器人的實時控制。神經(jīng)網(wǎng)絡的本質非線性特性為機器人的非線性控制帶來了希望。神經(jīng)網(wǎng)絡可通過訓練獲得學習能力，能夠解決那些用數(shù)學模型或規(guī)則描述難以處理或無法處理的控制過程。同時神經(jīng)網(wǎng)絡還具有很強的自適應能力和信息綜合能力，因而能同時處理大量的不同類型的控制輸人，解決輸入信息之間的互補性和冗余性問題，實現(xiàn)信息融合處理。這就特別適用于像機器人這樣具有復雜的不確定性系統(tǒng)、

3、大系統(tǒng)和多變量高度非線性系統(tǒng)的控制。近年來，神經(jīng)網(wǎng)絡在機器人控制中得到了廣泛的應用。二、機械臂系統(tǒng)設計機械臂是一個多輸人多輸出、強耦合的復雜機電系統(tǒng)，要對其實現(xiàn)精確的控制比較困難。為此，先不考慮機械臂的動態(tài)控制，只對其進行運動控制，使其能夠準確的跟蹤給定的軌跡曲線。其基本的控制結構，如圖1所示。（一）機械臂的模型設計本文針對兩關節(jié)機械臂進行設計，兩關節(jié)機械臂的控制圖如下n連桿平面機械臂的動力學模型如下式：(21)m咖比（詢g+Gk其中qwqG分別代表各關節(jié)的角度位置、角速度以及角加速度；迪、亡Rz為慣性矩陣；滬礦為向心矩陣；如*為重力向量；匸尺代表控制輸入向量。控制目標：對于給定的期望關節(jié)角軌

4、跡Xd=C1,為機械臂設計一個神經(jīng)網(wǎng)絡控制器，使得控制器能夠實現(xiàn)真正的學習與控制。(二)徑向基神經(jīng)網(wǎng)絡基于高斯徑向基函數(shù)RBF網(wǎng)絡，是以函數(shù)逼近理論為基礎而構造的一類前向網(wǎng)絡，這類網(wǎng)絡的學習等價于在多維空間中尋找訓練數(shù)據(jù)的最佳擬合平面。RBF網(wǎng)絡的每個隱層神經(jīng)元傳遞函數(shù)都構成了擬合平面的一個基函數(shù)。它在機械臂軌跡跟蹤控制中是一種較為系統(tǒng)、逼近精度最高的方法，它能夠保證機械手位置和速度跟蹤誤差漸進收斂于零。徑向基函數(shù)：對于一個位于0,上的連續(xù)正函數(shù)S(.),如果它按如下形式給出：其中，dB(p)是位于0,上的有限.非負菠菜爾測度，rE0,s,則函數(shù)S(.)就是一個徑向函數(shù)。三、仿真一個兩關節(jié)機械

5、臂，其系統(tǒng)參數(shù)如下C4-COS(J2)C0.5sin(fl2)Jcos(9:(31).ecos(7t丿a眄翼和碼豐叫)t右=仏叫pC=，才m(叫+叫品T叫収q其中，A=Mt=伽，碼二0戲g，碼=2.3kg*g0=9居加芒o對期望軌跡Xd二0.8sin(t),0.8cos(t),0.8cos(t),-0.8sin(t)t,在初始狀態(tài)為X(0)二0,0.65,0.75,0t,神經(jīng)網(wǎng)絡權值初始值W(0)=0的情況下，關節(jié)角跟蹤誤差仿真結果如圖1。四. 結論由于機械臂關節(jié)控制系統(tǒng)具有非線性和參數(shù)變化等特點，傳統(tǒng)的基于線性定常系統(tǒng)的控制方法很難取得理想的控制效果。因此，只有采用先進的控制方法才能改善被控對象的動態(tài)特性，提高控制品質。仿真情況表明，本文采用的自適應控制