前言

近幾年來，隨著機(jī)器人技術(shù)與控制技術(shù)的發(fā)展，機(jī)器人在日常生活和工農(nóng)業(yè)生產(chǎn)中得到廣泛應(yīng)用。機(jī)器人對象是一個非線性、強(qiáng)耦合的多變量系統(tǒng)，在運(yùn)動過程中．由于存在摩擦、負(fù)載變化等不確定因素，因而它還是一個時變系統(tǒng)。傳統(tǒng)的機(jī)器人控制技術(shù)大多是基于模型的控制方法，無法得到滿意的軌跡跟蹤效果。模糊控制和神經(jīng)網(wǎng)絡(luò)等人工智能的發(fā)展為解決機(jī)器人軌跡跟蹤問題提供了新的思路。普通模糊控制的控制規(guī)則大部分是人們的經(jīng)驗總結(jié)。不具備自學(xué)習(xí)、自適應(yīng)的能力，往往還受到人的主觀性的影響。因此不能很好地控制時變不確定的系統(tǒng)。

在近幾十年里，基于模糊邏輯開發(fā)的模糊系統(tǒng)已經(jīng)成為非常活躍的領(lǐng)域，一些算法已在復(fù)雜系統(tǒng)的控制器設(shè)計中顯示出相當(dāng)?shù)哪芰Γ夷：龜?shù)學(xué)理論也對構(gòu)造知識模型提供了極其優(yōu)越的工具。

由于神經(jīng)網(wǎng)絡(luò)具有良好的自學(xué)習(xí)、自適應(yīng)、聯(lián)想等智能，能適應(yīng)系統(tǒng)復(fù)雜多變的動態(tài)特性。模糊控制和神經(jīng)網(wǎng)絡(luò)的結(jié)合成為學(xué)者研究的重點(diǎn)。這方面的研究最早起源于歐美國家，但在80年代末期卻在日本取得了相對大的發(fā)展。目前，在知識和信息處理領(lǐng)域，他獨(dú)立于模糊邏輯和神經(jīng)網(wǎng)絡(luò)技術(shù)，已經(jīng)達(dá)到了一個特有的研究階段。模糊和神經(jīng)網(wǎng)絡(luò)技術(shù)的融合客服了神經(jīng)網(wǎng)絡(luò)和模糊邏輯在知識處理方面的缺點(diǎn)，具有進(jìn)行數(shù)據(jù)監(jiān)督學(xué)習(xí)、處理經(jīng)驗知識及基于語言表達(dá)的在線學(xué)習(xí)等功能。利用神經(jīng)網(wǎng)絡(luò)非線性映射、自學(xué)習(xí)能力來調(diào)整模糊控制。使模糊控制具有一定的自適應(yīng)能力，同時也使神經(jīng)網(wǎng)絡(luò)獲得了模糊控制的推理歸納能力。本文對模糊神經(jīng)網(wǎng)絡(luò)在機(jī)器人控制中的應(yīng)用進(jìn)行研究，提出了一種模糊神經(jīng)網(wǎng)絡(luò)的機(jī)器人軌跡跟蹤控制。仿真結(jié)果表明，該控制方法能很好地對機(jī)器人軌跡進(jìn)行跟蹤。

1、機(jī)器人控制系統(tǒng)建立

本系統(tǒng)中，立體定位系統(tǒng)作為主要數(shù)據(jù)輸入通道，用于精確獲取目標(biāo)位置與機(jī)器人之間精確的相對位置。隨后將這些現(xiàn)場實時空間信息融入先前建立的空間模型。期間需要確定前模型與實際的三維空間變換關(guān)系，即配準(zhǔn)。

然后，機(jī)器人根據(jù)計算機(jī)輔助系統(tǒng)制定的運(yùn)動計劃進(jìn)行運(yùn)動操作。運(yùn)動中，立體定位系統(tǒng)通過對機(jī)器人與目標(biāo)空間位置的不斷采集，結(jié)合機(jī)器人多軸控制器進(jìn)行視覺控制。機(jī)器人控制系統(tǒng)如圖1所示。框圖中輸入為機(jī)器人行走驅(qū)動伺服電機(jī)的反饋電流，輸出為機(jī)器人的行走速度，由伺服調(diào)速實現(xiàn)。

圖1 機(jī)器人控制系統(tǒng)

本文設(shè)計的機(jī)器人為六自由度機(jī)器人：三個轉(zhuǎn)動三個平動。機(jī)器人的六自由度協(xié)同完成空間運(yùn)動?？紤]到設(shè)計的機(jī)器人屬于小型機(jī)器人，希望盡量減輕重量。這樣一來，由于剛度下降而要求限定機(jī)構(gòu)整體負(fù)載，同時還要考慮機(jī)構(gòu)高速運(yùn)動時的穩(wěn)定性。而且，該多自由度機(jī)構(gòu)的剛度設(shè)計取決于運(yùn)動的速度與方向。

2、直接神經(jīng)控制器的算法

4、系統(tǒng)仿真研究

為了驗證所提出的神經(jīng)網(wǎng)絡(luò)控制算法的有效性，在MATLAB中創(chuàng)建神經(jīng)網(wǎng)絡(luò)，利用隸屬函數(shù)和模糊規(guī)則將抽象的模糊規(guī)則轉(zhuǎn)化為模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，隱層采用在任意點(diǎn)可微的Tansig作為傳遞函數(shù)，輸出層采用常用非負(fù)的Sigmoid函數(shù)。

采用常規(guī)PID控制和神經(jīng)網(wǎng)絡(luò)控制時，系統(tǒng)階躍信號的響應(yīng)曲線。圖3為常規(guī)PID控制器和模糊神經(jīng)網(wǎng)絡(luò)控制器對正弦信號跟蹤的誤差響應(yīng)曲線，通過對比可知：神經(jīng)網(wǎng)絡(luò)控制器在動態(tài)性能方面明顯優(yōu)于常規(guī)PID控制器，可將正弦響應(yīng)誤差從0.02rad降至0.001rad。

5、結(jié)論

因傳統(tǒng)的簡單結(jié)構(gòu)的直接神經(jīng)控制器可以容易地執(zhí)行，節(jié)省更多的CPU時間。本文將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，設(shè)計一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人伺服定位控制系統(tǒng)，并將其運(yùn)用到機(jī)器人軌跡跟蹤控制系統(tǒng)中。帶有訓(xùn)練好參數(shù)的神經(jīng)控制可以提高自適應(yīng)能力以及改善非線性控制系統(tǒng)的控制性能。仿真結(jié)果表明，該控制系統(tǒng)能夠有效地克服機(jī)器人系統(tǒng)中存在的非線性、耦合等因素的影響，是一種很好的控制方法。

更多資訊請關(guān)注工業(yè)機(jī)器人頻道