《基于神经网络的机器人伺服控制系统设计.docx》由会员分享，可在线阅读，更多相关《基于神经网络的机器人伺服控制系统设计.docx（4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、基于神经网络的机器人伺服控制系统设计韩学洪导语：机器人在从事装配、空间对接、医疗手术等与环境有接触的作业时，需要机器人进展位置控制，以到达最正确的作业效果，本文介绍了一种基于模糊神经网络的机器人伺服定位控制系统。前言近几年度来，随着技术与控制技术的开展，机器人在日常生活和工农业消费中得到广泛应用。机器人对象是一个非线性、强耦合的多变量系统，在运动经过中由于存在摩擦、负载变化等不确定因素，因此它还是一个时变系统。传统的机器人控制技术大多是基于模型的控制方法，无法得到满意的轨迹跟踪效果。模糊控制和神经网络等人工智能的开展为解决机器人轨迹跟踪问题提供了新的思路。普通模糊控制的控制规那么大局部是人们的
2、经历总结。不具备自学习、自适应的才能，往往还受到人的主观性的影响。因此不能很好地控制时变不确定的系统。在近几十年度里，基于模糊逻辑开发的模糊系统已经成为非常活泼的领域，一些算法已在复杂系统的控制器设计中显示出相当的才能，而且模糊数学理论也对构造知识模型提供了极其优越的工具。由于神经网络具有良好的自学习、自适应、联想等智能，能适应系统复杂多变的动态特性。模糊控制和神经网络的结合成为学者研究的重点。这方面的研究最早起源于欧美国家，但在80年度代末期却在日本获得了相对大的开展。目前，在知识和信息处理领域，他独立于模糊逻辑和神经网络技术，已经到达了一个特有的研究阶段。模糊和神经网络技术的交融客服了神经
3、网络和模糊逻辑在知识处理方面的缺点，具有进展数据监视学习、处理经历知识及基于语言表达的在线学习等功能。利用神经网络非线性映射、自学习才能来调整模糊控制。使模糊控制具有一定的自适应才能，同时也使神经网络获得了模糊控制的推理归纳才能。本文对模糊神经网络在机器人控制中的应用进展研究，提出了一种模糊神经网络的机器人轨迹跟踪控制。仿真结果说明，该控制方法能很好地对机器人轨迹进展跟踪。1、机器人控制系统建立本系统中，立体定位系统作为主要数据输入通道，用于准确获取目的位置与机器人之间准确的相对位置。随后将这些现场实时空间信息融入先前建立的空间模型。期间需要确定前模型与实际的三维空间变换关系，即配准。然后，机
4、器人根据计算机辅助系统制定的运动方案进展运动操作。运动中，立体定位系统通过对机器人与目的空间位置的不断收集，结合机器人多轴控制器进展视觉控制。机器人控制系统如图1所示。框图中输入为机器人行走驱动伺服电机的反应电流，输出为机器人的行走速度，由伺服调速实现。图1机器人控制系统本文设计的机器人为六自由度机器人：三个转动三个平动。机器人的六自由度协同完成空间运动。考虑到设计的机器人属于小型机器人，祈望尽量减轻重量。这样一来，由于刚度下降而要求限定机构整体负载，同时还要考虑机构高速运动时的稳定性。而且，该多自由度机构的刚度设计取决于运动的速度与方向。2、直接神经控制器的算法4、系统仿真研究为了验证所提出
5、的神经网络控制算法的有效性，在MATLAB中创立神经网络，利用隶属函数和模糊规那么将抽象的模糊规那么转化为模糊神经网络的训练样本，隐层采用在任意点可微的Tansig作为传递函数，输出层采用常用非负的Sigmoid函数。采用常规PID控制和神经网络控制时，系统阶跃信号的响应曲线。图3为常规PID控制器和模糊神经网络控制器对正弦信号跟踪的误差响应曲线，通过比照可知：神经网络控制器在动态性能方面明显优于常规PID控制器，可将正弦响应误差从0.02rad降至0.001rad。5、结论因传统的简单构造的直接神经控制器可以容易地执行，节省更多的CPU时间。本文将模糊控制与神经网络相结合，设计一种基于神经网络的机器人伺服定位控制系统，并将其运用到机器人轨迹跟踪控制系统中。带有训练好参数的神经控制可以进步自适应才能和改善非线性控制系统的控制性能。仿真结果说明，该控制系统可以有效地克制机器人系统中存在的非线性、耦合等因素的影响，是一种很好的控制方法。