摘要：機(jī)器人在從事裝配、空間對(duì)接、醫(yī)療手術(shù)等與環(huán)境有接觸的作業(yè)時(shí)，需要機(jī)器人進(jìn)行位置控制，以達(dá)到最佳的作業(yè)效果，本文介紹了一種基于模糊神經(jīng)網(wǎng)絡(luò)的機(jī)器人位置控制系統(tǒng)。本文將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊推理，并用于兩關(guān)節(jié)機(jī)器人的軌跡跟蹤控制。仿真結(jié)果表明，該網(wǎng)絡(luò)對(duì)機(jī)器人軌跡跟蹤控制具有很好的效果，是一種行之有效的控制方法

關(guān)鍵詞：模糊神經(jīng)網(wǎng)絡(luò)，機(jī)器人，位置控制

中途分類(lèi)號(hào)：TP 9 文獻(xiàn)標(biāo)識(shí)碼：B

0 前言

近幾年來(lái)，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(duì)象是一個(gè)非線(xiàn)性、強(qiáng)耦合的多變量系統(tǒng)，在運(yùn)動(dòng)過(guò)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(gè)時(shí)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(wú)法得到滿(mǎn)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(wèn)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(yàn)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(guān)性的影響。因此不能很好地控制時(shí)變不確定的系統(tǒng)。

在近幾十年里，基于模糊邏輯開(kāi)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(jì)中顯示出相當(dāng)?shù)哪芰Γ夷：龜?shù)學(xué)理論也對(duì)構(gòu)造知識(shí)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(dòng)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(guó)家，但在80年代末期卻在日本取得了相對(duì)大的發(fā)展。目前，在知識(shí)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(gè)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(shí)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(yàn)知識(shí)及基于語(yǔ)言表達(dá)的在線(xiàn)學(xué)習(xí)等功能。利用神經(jīng)網(wǎng)絡(luò)非線(xiàn)性映射、自學(xué)習(xí)能力來(lái)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(shí)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(duì)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(duì)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(duì)位置。隨后將這些現(xiàn)場(chǎng)實(shí)時(shí)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(shí)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(jì)算機(jī)輔助系統(tǒng)制定的運(yùn)動(dòng)計(jì)劃進(jìn)行運(yùn)動(dòng)操作。運(yùn)動(dòng)中，立體定位系統(tǒng)通過(guò)對(duì)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(jué)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(dòng)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(shí)現(xiàn)。

圖1 機(jī)器人控制系統(tǒng)

本文設(shè)計(jì)的機(jī)器人為六自由度機(jī)器人：三個(gè)轉(zhuǎn)動(dòng)三個(gè)平動(dòng)。機(jī)器人的六自由度協(xié)同完成空間運(yùn)動(dòng)?？紤]到設(shè)計(jì)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(lái)，由于剛度下降而要求限定機(jī)構(gòu)整體負(fù)載，同時(shí)還要考慮機(jī)構(gòu)高速運(yùn)動(dòng)時(shí)的穩(wěn)定性。而且，該多自由度機(jī)構(gòu)的剛度設(shè)計(jì)取決于運(yùn)動(dòng)的速度與方向。

2模糊神經(jīng)網(wǎng)絡(luò)

2.1控制系統(tǒng)結(jié)構(gòu)

結(jié)合機(jī)器人定位系統(tǒng)構(gòu)建控制系統(tǒng)結(jié)構(gòu)如圖2所示，將機(jī)器人位置作為被控制量。

圖2 模糊神經(jīng)PID控制結(jié)構(gòu)圖

圖中e和ec分別為誤差和誤差變化率，輸入r為機(jī)器人位置，輸出y為機(jī)器人實(shí)際輸出。

2.2 模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

該模糊神經(jīng)網(wǎng)絡(luò)為4層，如圖3所示。第l層為輸入層；第2層為模糊化層；第3層為模糊推理層；第4層為輸出層。模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為2–6–6–3。

圖 3. 模糊RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

(l)輸入層。該層將輸入誤差e和系統(tǒng)實(shí)際輸出y(k)作為下一層的輸入?；罨瘮?shù)為：

因此本層的輸出為e和y(k)

(2)模糊化層?；罨瘮?shù)即為該隸屬度函數(shù)。因此，輸出為：

其中，i=l，2;j=l，2，...6。cij和bij分別為高斯函數(shù)第i個(gè)輸入變量的第j個(gè)模糊集合的隸屬函數(shù)的均差和標(biāo)準(zhǔn)差。

（3）模糊推理層。將上層中的模糊量經(jīng)過(guò)兩兩相乘，得到這一層的輸出值。因此，本層的活化函數(shù)，即輸出為：

這里 k=l，2，3，4，5，6。

(4)輸出層。這一層要輸出的就是PID控制器的參數(shù)，本層的輸出值就是將權(quán)值以矩陣乘的方式，乘以第3層的輸出。因此，本層的輸出為：

增量式PID控制的控制量為

目標(biāo)函數(shù)為：

其中 r(k) 為期望輸出。

2.3 魯棒控制器

為保證閉環(huán)系統(tǒng)的穩(wěn)定性和良好的控制效果,實(shí)時(shí)控制器由一個(gè)模糊神經(jīng)網(wǎng)絡(luò)控制器NNC和一個(gè)魯棒控制器RC組成。這兩個(gè)控制器的輸出信號(hào)通過(guò)加權(quán)綜合后,作為系統(tǒng)的控制輸入[8-10]，構(gòu)成一個(gè)變魯棒控制器u(k)：

式中：un(k)為NNC的輸出；ur(k)為魯棒控制器的輸出；γ為系統(tǒng)模型NNI的辨識(shí)精度，稱(chēng)為魯棒因子。γ的表達(dá)形式為：

(4)

式中：τ為魯棒因子的變魯棒系數(shù)；Em為NNI輸出與系統(tǒng)實(shí)際輸出之差的平方。

3系統(tǒng)仿真研究

為了驗(yàn)證所提出的模糊神經(jīng)網(wǎng)絡(luò)控制算法的有效性，在MATLAB中創(chuàng)建模糊神經(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控制和模糊神經(jīng)網(wǎng)絡(luò)控制時(shí)，系統(tǒng)階躍信號(hào)的響應(yīng)曲線(xiàn)。圖3為常規(guī)PID控制器和模糊神經(jīng)網(wǎng)絡(luò)控制器對(duì)正弦信號(hào)跟蹤的誤差響應(yīng)曲線(xiàn)，通過(guò)對(duì)比可知：模糊神經(jīng)網(wǎng)絡(luò)控制器在動(dòng)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0.02 rad降至0.001 rad。

（a）PID 控制                                        （b）模糊神經(jīng)網(wǎng)絡(luò)控制

圖 3 系統(tǒng)正弦誤差響應(yīng)曲線(xiàn)

4 結(jié)論

本文將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，設(shè)計(jì)一種基于模糊神經(jīng)網(wǎng)絡(luò)的機(jī)器人位置控制系統(tǒng)，并將其運(yùn)用到機(jī)器人軌跡跟蹤控制系統(tǒng)中。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(xiàn)性、耦合等因素的影響，是一種很好的控制方法。