《智能控制在机器人领域中的应用(共6页).doc》由会员分享，可在线阅读，更多相关《智能控制在机器人领域中的应用(共6页).doc（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上智能控制在机器人领域中的应用摘要：随着科技的进步，特别是机器人技术的发展，对当前的自动控制提出了更高的要求，本文对智能控制的产生背景和发展过程进行了简单的介绍，同时结合有关机器人的部分相关研究，探讨了智能控制在机器人领域中的应用，并提出了智能控制有待进一步研究的相关问题。关键词：智能控制；机器人；模糊控制；神经网络控制；专家控制；遗传算法机器人技术的发展从诞生到 20 世纪科学家傅京孙首先把人工智能的启发式推80 年代初，经历了一个长期缓慢的发展过理规则用于学习控制系统，随后，他又于程。 到了 20 世纪 90 年代，随着计算机1971 年进一步论述了人工智能与自动控
2、技术、微电子技术、网络技术等的快速发制的交接关系。模糊控制是智能控制的另展，机器人技术也得到了飞速发展。一重要研究领域，扎德（Zadeh）于 1965一、智能控制及其发展年发表他的著名论文“模糊集合”，随后，智能机器人的研究是目前机器人研究他又模糊控制的理论探索和实际应用中等中的热门课题。作为一门新兴学科，它融方面进行了大量的研究，并取得了较多的合了神经生理学、运筹学、控制论和计算成果。1967 年，利昂兹（Leondes）等首机技术等多学科思想和技术成果。智能控先正式提出了“智能控制”一词。早期的制的研究主要体现在对基于知识系统、模智能控制采用一些比较初级的智能方法，糊逻辑和人工神经网络的研
3、究。智能机器发展也十分缓慢。人可以在非预先规定的环境中自行解决问近十几年来，随着人工智能技术和机题。智能机器人的技术关键就是自适应和器人技术的发展，对智能控制的发展起到自学习的能力，而模糊控制和神经网络控了很大的推动作用。各种智能决策、专家制等在其中的应用显示出诸多优势，成为控制、学习控制、模糊控制、神经控制等当前研究的重要方向。技术被应用到工业系统和智能系统中。智能控制是指在无人干预的情况下能智能控制系统一般具有以下特点：够自主地驱动智能机器实现控制目标的控1、能对复杂系统（如非线性、多变量、制技术。控制理论学科发展至今经历了三时变、环境扰动等）进行有效的全局控制，个主要阶段：经典控制理论、
4、现代控制理并具有较强的容错能力；论、大系统理论和智能控制理论。经典控2、具有以只是表示的非数学广义模型制理论以反馈理论为基础，是一种单回路和以数学模型表示的混合控制过程，能根线性控制理论，主要针对单输入单输出的据被控对象的动态过程进行辨识，采用开设计；现代控制理论主要研究具有高性能、闭环控制和定性与定量相结合的多模态控高精度的多变量参数系统的最优控制问题，制方式；可以解决多输入多输出的设计；智能控制3、能对获取的信息进行实时处理并给主要为了解决难以用数学模型描述或者具出控制决策，通过不断优化参数和寻找控有时变、非线性、不确定特性的复杂系统。制器的最佳结构形式，以获得整体最优控智能控制是人工智能
5、和自动控制的重制性能；要的研究领域，并被认为是当前自主控制4、具有自学习、自适应、自组织能力，的顶峰。智能控制思潮第一次出现于 20能从系统的功能和整体优化的角度来分析世纪 60 年代。 1956 年，著名的美籍华裔和综合系统，以实现预期的控制目标。专心-专注-专业智能控制的技方法有分级递阶智能控下面对各种智能控制在机器人领域的制、神经网络控制、模糊控制、专家控制应用情况进行简单的介绍：等，在实际的应用中个，通常将多种智能1、机器人领域中的模糊控制控制的方法融合在一起，以下是几种常用英国学者EHMamdani 在1974 年首的控制方法的原理：次成功地将模糊集理论运用于工业锅炉的1、分层递阶智
6、能控制。过程控制之中，并于20 世纪80 年代初又分层递阶智能控制是建立在“三元论”将模糊控制引进到机器人的控制中。被控思想上的控制方法。系统由组织级、协调对象是一个具有两个旋转关节的操作臂，级、执行级共三级组成。组织级的作用是每个关节由直流电动机驱动。关节的实际决策和规划任务。对于给定的外部任务设转角通过测速发电机由A/ D 转换电路获法找到能够完成该任务的子任务的组合，得，其角速度通过SOC 的记忆存储器编程并将子任务送到协调级。这一级以人工智来实现。其主要是对操作臂模糊控制系统，能为基础。协调级对要执行的任务进行识分别进行阶跃响应测试和跟踪控制试验。别，通过分派器为各个协调器分配相应的控
7、制结果证明了模糊控制方案具有可行性任务和选择合适的控制步骤，并为组织级和优越性。产生相应的反馈信息。执行级是控制系统由Lin C M 等人提出了在模糊控制器的硬件系统，是控制系统的执行机构，它结构的基础上，引入PI 调节机制达到对阶控制对象直接相连。跃输入的快速响应和达到消除隐态误差的2、模糊控制效果。通过相平面上对两种不同区域的启模糊控制是以模糊集合论、模糊逻辑发性分类，可得到一组简单的模糊规则，推理和模糊语言变量为基础的一种计算机从而简化了模糊规则库和算法，使最终的数字控制。对于无法建立数学模型或难以控制器易于实现。该控制方案通过仿真实建立数学模型的场合，可以用模糊控制技验得到验证。术来解
8、决。模糊控制器由模糊化、规则库、2、机器人领域中的神经网络控制模糊推理和清晰化四个功能模块组成。模神经网络的研究20 世纪60 年代，并糊控制的特点为：提供了一种实现 基于自在20 世纪80 年代得到了快速的发展。近然语言描述规则的控制规律的新机制；提几年来，神经网络研究的目标是复杂的非供了一种非线性控制器，这种控制器一般线性系统的识别和控制等方面，神经网络用于控制含有不确定性和难以用传统非线在控制应用上具有以下特点:能够充分逼性理论处理的场合。近任意复杂的非线性系统；能够学习与适3、神经网络控制应不确定系统的动态特性；有很强的鲁棒神经网络控制是在控制系统中采用神性和容错性等。因此，神经网络对
9、机器人经网络这一工具，对难以通过常规方法进控制具有很大的吸引力。行描述的复杂非线性对象进行建模，或充由Albus 提出了一种独特的基于人脑当控制器，或信息处理，或模式识别，或记忆和神经肌肉控制模型的小脑模型关节故障诊断等，或以上几种功能的组合，这控制方法，即CMCA 法。 该方法以数学模种神经网络控制系统的控制方式即为神经块为基础，采用查表方式产生一个以离散网络控制。神经网络控制的特点为：能充状态输入为响应的输出矢量。 在控制中，分逼近任意非线性特性；分布式并行处理状态矢量输入来自机器人关节的位置与速机制；自学习和自适应能力；数据融合能度反馈，输出矢量为机器人驱动信号。力；适合于多变量系统，可
10、进行多变量处FL Lewis 基于无源理论，提出了理。一类网络利用功能连接神经网络逼近机器二、智能控制在机器人领域的应人动力学模型，连接权在线调整方法，可用保证神经网络自适应控制算法闭环稳定。3、机器人领域中智能控制技术的融合控制在现代的机器人技术中，机器人在动力学方面常常是一个强耦合、时变、非线性的，在传感器信息方面是多信息的，在控制参数上是多变量的，在控制任务要求上是多任务的，这些特性都决定了在控制中单单靠一种控制是很难完成控制任务的，这就需要对多种智能控制技术进行融合。例如，模糊控制和神经网络控制的融合，一般称为模糊神经网络( Fuzzifiedneural network) 或神经网络
11、模糊控制器 (neuro-fuzzy cont roller)。模糊系统和人工神经网络相结合实现对控制对象进行自动控制，是由美国学者 BKosko 首先提出的。模糊系统和神经网络都属于一种数值化和非数学模型函数估计器的信息处理方法，它们以一种不精确的方式处理不精确的信息。模糊控制引入了隶属度的概念，即规则数值化，从而可直接处理结构化知识；神经网络则需要大量的训练数据，通过自学习过程，借助并行分布结构来估计输入与输出间的映射关系。虽然模糊控制与神经网络处理模糊信息的方式不同，但仍可以将二者结合起来。利用模糊控制的思维推理功能来补充神经网络的神经元之间连接结构的相对任意性；以神经网络强有力的学习功
12、能来对模糊控制的各有关环节进行训练。可利用神经网络在线学习模糊集的隶属度函数，实现其推理过程以及模糊决策等。在整个控制过程中，两种控制动态地发生作用，相互依赖。三、对智能控制的未来展望智能控制作为一种新兴的学科，无论是在理论上还是在实际的应用中都还不够完善，有待于进一步的研究和探索。1、探求新的理论方法面对众多的挑战和基于，要完成智能控制的研究任务，需要寻找和建立更新的智能控制框架和理论体系，为智能控制的进一步发展打下稳固的理论基础。需要深入研究智能控制的基本理论和概念，寻找新理论，建立新的控制机理。例如，建立控制知识和控制系统的统一描述，完整地和系统地研究智能控制系统的稳定性、鲁棒性和动态特
13、性，构造新一代基于模型的专家控制系统，以及开发新的基于仿生学和拟人学控制机制等。2、智能控制要面向实际和复杂的系统在进行智能系统的控制研究的过程中，不仅要能在一般的系统中得到应用，还要面向一些复杂的系统，体现智能控制的优越性。同时要提高硬件水平，例如，大多数的神经网络控制系统还停留在仿真的水平上，更别谈及应用了，因此在这些方面需要作的事情也还有很多。四、结语智能控制的发展极大的提高了机器人技术的水平，使其有了长足的进步，但是智能控制方法本身也有局限性，在进行控制的过程中有很多的问题需要我们进一步的探讨和研究。参考文献：【1】 蔡自兴.智能控制(第2版)M.北京：电子工业出版社，2004.【2】
14、 Lin C M ,Hiyama T. Application of fuzzy logic controlto a manipulator J . Robot and Automation ,1991 ,7(5) :688 - 691.【3】 王耀南,孙炜. 基于模糊神经网络的机器人自学习控制J . 电机与控制学报,2001,5 (2) :92 - 102.【4】 蔡自兴.智能控制及移动机器人研究现状 J .中南大学学报，2005,10.【5】 Albus J S.A new approach to manipulator control:the cerebellar model articulation controller(CMAC).J Dyn Sys,Meas,Contr，1975；220-227.【6】 王灏,毛宗源. 机器人的智能控制方法M . 北京:国防工业出版社,2002.