神经网络与神经计算机：第八讲神经网络在机器人控制中的应用.pdfVIP

维普资讯 神 经 网 络 与 神 经 计 算 机 中国科学技术大学 王煦法 王东生 庄镇泉 第八讲 神经网络在机器人控制中的应用 8—1 弓l 言 机器人控制是开发智能机器人的一个极其甭要的 研究内容。通常，机器人控制是由上下两层组成的多 层次控制结构。上层控锶主要完成识别、判断和，亍动 规划等各种处理，下层控制主要根据上层控制处理的 结果进行相应的运动控桶。目前，机器人控翩的理沦 和方法还处于相当初级的水平。 众所周知，人和动物都能利用神经系统巧妙地控 制各种肌肉，有机地协调身体各部位完成各种复杂的 图 8—1 运动。在这些运动中，人脑对外部环境变化进行了自 我学习、自我组织和 自我适应等一系列活动。由此可 时，内部模型的输出都为0，此时仪有反馈控制信 号 见，以人脑为模型的神经网络模型在完成觇器人控制 起作用，假如内部模型具有使Tt不 断减小的 自适应 任务方面是大有作为的。 的变化功能，则在 多次 反复控制过程中，前绩信号 本讲围绕三个机器人控制的例子，介绍神经网络 T 开始起作用。这时，我们称内部模型学习了机器 在机器人控制中的应用。 人的反动态特性。内部模型由多层神经网络构成，并 采用BP学习算法(BP学习算法请参阅第二讲)。 8-2 机器人随意运动控镧 由图8-1可见，该网络模型由输入层，中间层和 从计算理论观点看，机器人随意运动控制在脑内 输出层组成，各层之间都有相应的结合。若机器人有 的信息沉表现为：视觉坐标系中的目标轨迹，身体坐 N个 自由度，剐输出层的神经元为N个。输入层的神 标系中的目标轨迹 (各个关节动作轨迹)以及相应的运 经元为3N个，因为输入包括N个 关 节角 目标轨述 动命令 (关节扭转)。因此，机器人运动控制必须I十算 Q Q 一Q4以及它们的一阶微分Qd1、Q ·-Q。 三个闽题：④ 目标轨述；⑧坐标变换 (从视觉坐标系变 和二阶微分 Q Q ··Q 。如果神经元的输入为 换成身绺坐标系)I③运动命令。下面我们首先介绍在 U，输出为V，结合权值为W ，并且分别以上标 人、 目标轨迹给定的情况下计算运动命令的多层次学习控 s、R表示输入层 (A层)，中间层 (s层)和输出层 (R 制摸型，然后介绍用于最优 目标轨迹决策 的控 制 模 层)。则输入层一中间层一输出层的信号流可表示为 型 。 Us=∑w々j·V 8—2一l 反向动态控钥模型 i 已知 目标轨述计算相应的运动命令是一个不确定 u￡：∑W}k·V}+∑w ·Y々 J 1 求解问题。由于输入的是运动轨迹(目标轨迹)，输出 各个神经元的输入翰也关系可表示为 的是运动命令 (关节扭转)，所以，模型 巾的信息流是 和机器人的动态过程反向的，故这种控镧模型称为反 V々=f(U々) V}=f(U )和V ：f(Ui) 向动态模型。反向摸型的原理说明圈如图8-1所示。 这里f(x)为S塑函数。U 表示输入Q。、 和Q ， 该模型是由反馈控制和基于内部摸型控靠蝗l成的一个 而V表示输出T ，即 多罢次控制模型。实际输出轨迹Q和输入的目标轨述 ut=Qdl，U鑫+l=Qdj，U +i=QdI Q 之差为T 。rf作为负反馈信号与内部模型的输出 (i=l，2，… ，N) i’。求和得T，rr作为控制信号输给机器人。控制 ：妇