神经网络与PID结合机器人自适应控制_王耀南.pdfVIP

第24 卷 第6 期 湖 南 大 学 学 报 Vo1. 24, No. 6 1 9 9 7 年 12 月 JOURNAL OF HUNAN UNIVERSITY Dec. 1 9 9 7 PID 王耀南 付夏龙* * ( 湖南大学电气工程系, 中国长沙, 4 100 2) 提出一种基于神经网络与PID 控制相结合的机器人自 应 控制系统. 为加快神经网络的学习过程, 研究了有效的启发式学习算法. 以 二关节机器人为对象仿真表明, 该控制系统能使机器人跟踪希望轨迹, 其系 统响应、跟踪精度及鲁棒性优于常规的控制策略. 神经网络, 学习算法, 机器人控制 TP11 Adaptive Control Based on Neural Networks and PID for Robotic M anipulator Wang Yaonan Fu Xialong ( Dept of Electrical Engineering, Hunan Univ, 4100 2, Changsha, P R China) Abstract This paper presents a new adaptive control based on neural networks and PID control for robotic manipulator. A fast learning algorithm of neural netw orks is proposed to improve both speed and convergence of learning algorithm . Simulation results of a tw o-link robot show that the proposed method can give more significant performance and robustness than conventional approaches. Key words neural network, learning algorithm, robot control 工业机器人控制对象是一个多 节机械手, 它的数学模型相当复杂, 是一个与运动学 和动力学密切相 的、强耦合、非线性的多变量系统. 同时, 在运动过程中, 机器人的负载 可能变化很大, 因而, 它又是一个时变的系统. 传统的机器人控制是在求得机器人的数学 模型之后采用经典或现代控制方法进行控制. 传统方法在理论上虽然能做到对机器人的 快速、精确控制, 但很难实现. 除了需要大量繁杂的、严格的数学公式推导, 还要求有计算 速度极高的计算机才能进行实时控制. 近年来人工神经网络的重新出现, 为解决机器人控制中存在的一些问题提供了新的 途径. 由于ANN 方法具有模糊性、容错性、自适应和自学习的特点, 比以往依靠推导数学 模型、参数寻优的控制方法具有明显的优越性. 许多学者已用ANN 解决机器人的复杂控 国家教委博士点基金和机械部跨世纪人才基金资助课题 收稿日期: 1997-01- 05. 作者王耀南, 男, 39 岁, 教授, 博士导师. * * 广东顺德工业中等专业学校 第6 期 王耀南: 神经网络与PID 结合的机器人自适应控制 55 [ 1~ 3] [3] 制 . M Kawato 等人利用传统控制PD 作为示教机构, 实现了逆动态控制 , 在ANN 控制器完全没有控制知识时, 系统由PD 控制器进行控制. 在学习过程中, PD 控制器作为 示教机构使神经网络逐步具有控制知识, 从而代替PD 控制器. 本文提出将带示教机构的PID 控制和参考模型自适