文档介绍：电气传动年第卷第期神经网络整定的在机器人轨迹跟踪中的应用
神经网络整定的在机器人
轨迹跟踪中的应用
张海荣舒志兵
南京工业大学
摘要充分利用神经网络能够逼近任意非线性系统的优点, 将网络和控制相结合, 解决了多
关节机器人的运动轨迹跟踪问题。采用这种方法, 可以在线实时调整控制器的参数, 使其达到最优状
态, 克服了完全依靠经验离线调整参数的缺点, 使系统具有更好的鲁棒性和自适应性, 其输出也可以通
过在线调整达到预期的控制精度。仿真实验证实了该控制策略的正确性和有效性。
关键词机器人轨迹跟踪神经网络控制
一,
‘一, ,
,
一
技术的发展, 机器人在轨迹跟踪控制中对各个关
引言、,
节的位移速度和加速度都提出了一定的要求传
工业机器人是一个多自由度的结构复杂的系统的控制对一些复杂过程和非线性系统不
统, 为了使机器人能够完成各种复杂的作业任务能进行有效的控制, 要使控制取得较好的控
和适应工作要求和环境的变化, 其控制系统也将制效果, 需要找出比例、微分和积分种控制作用
是复杂的。首先机器人控制系统是一个多输人、形成控制量时的非线性关系, 这就使得智能控制
多输出的非线性系统, 具有时变性、强藕合性和非理论和技术的研究进人机器人轨迹跟踪控制的领
。
线性的动力学特征再有, 机器人的相关参数随着域成为必然〔‘一‘〕
工作环境和工作要求的变化往往存在严重的不确近年来, 采用模糊控制、神经网络控制等智能
定性。方法来解决机器人的非线性系统控制和复杂作业
,
早期的机器人系统由于完成的任务比较简任务的控制已经取得了一定的成就巨一〕但是单
单, 而且对动态特性的要求不高, 所以可看成是各纯的模糊控制、神经网络控制等都有一定的不足
、
关节控制器的简单组合, 可以采取独立关节控制之处, 比如模糊控制的模糊规则论域的选择等都
原则, 在各关节构成控制。工业用的低速操采用试凑法, 神经网络的权值没有严格的定义, 而
作臂使用控制一般可以满足工艺的要求, 但且权值的初始化主要靠经验等, 为了克服这些缺
是其依赖于系统的数学模型, 参数整定与工程指点, 需要把传统控制和智能控制进行有机的
标密切相关, 不易在线实时调整参数, 同时由于机结合或把智能控制领域内的相关算法和控制策略
器人本身是一个高度非线性的系统, 随着机器人进行有效的组合, 本文就是把传统控制和神
© 1994-2007 China Academic Journal Electronic Publishing House. All rights reserved.
神经网络整定的在机器人轨迹跟踪中的应用电气传动年第卷第期
经网络控制结合在一起, 用于机器人的轨迹跟踪控制系统结构
控制中, 既利用了控制的长处, 又考虑到神从图可以看出, 控制器由两部分构成。
经网络独特的优势即神经网络可以充分逼近任意
复杂的非线性关系, 具有模糊性、容错性和自学习
的能力, 这样可以在线调整控制器的参数,
提高系统的应变能力, 在一定程度上克服了冷卜学
控制参数靠经验确定及难以对复杂系统或过程进鱼
行有效控制的不足。
基于神经网络的整定原理