基于优化神经网络ADRC 的机器人无标定视觉跟踪.pdfVIP

第２６卷第９期　　　 计算机应用与软件 Ｖｏｌ２６Ｎｏ．９ ０９ ２００９年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０ 基于优化神经网络ＡＤＲＣ的机器人无标定视觉跟踪 刘晓丽　李兰英　何　勇 （成都理工大学电子信息工程系　四川乐山６１４００７） 摘　要　　研究机器人无标定视觉跟踪，采用基于神经网络的耦合自抗扰控制器，并用自适应遗传算法训练ＢＰ网络的初始权值， 优化控制器参数，实现了六自由度机器人的无标定手眼协调控制，仿真结果验证了算法的可行性。 关键词　　视觉跟踪　神经网络　自抗扰控制器（ＡＤＲＣ）　自适应遗传算法（ＡＧＡ） ＵＮＣＡＬＩＢＲＡＴＥＤＲＯＢＯＴＶＩＳＵＡＬＴＲＡＣＫＩＮＧＢＡＳＥＤＯＮＡＤＲＣＯＦ ＯＰＴＩＭＩＺＥＤＮＥＵＲＡＬＮＥＴＷＯＲＫ ＬｉｕＸｉａｏｌｉ　ＬｉＬａｎｙｉｎｇ　ＨｅＹｏｎｇ （ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｅｎｇｄｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｌｅｓｈａｎ６１４００７，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＴｈｅｖｉｓｕａｌｔｒａｃｋｉｎｇｏｆｕｎｃａｌｉｂｒａｔｅｄｒｏｂｏｔｉｓｒｅｓｅａｒｃｈｅｄａｎｄｔｈｅｃｏｕｐｌｅｄＡｃｔｉｖｅＤｉｓｔｕｒｂａｎｃｅＲｅｊｅｃｔｉｏｎＣｏｎｔｒｏｌｌｅｒ（ＡＤＲＣ）ｂａｓｅｄ ｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｉｓａｄｏｐｔｅｄ．Ｔｈｅａｄａｐｔｉｖｅｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ（ＡＧＡ）ｉｓｕｓｅｄｔｏｔｒａｉｎｔｈｅｉｎｉｔｉａｌｗｅｉｇｈｔｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｔｏｏｐｔｉｍｉｚｅ ｐａｒａｍｅｔｅｒｓｏｆｔｈｅｃｏｎｔｒｏｌｌｅｒ．Ｔｈｅｕｎｃａｌｉｂｒａｔｅｄｈａｎｄｅｙｅｃｏｏｒｄｉｎａｔｉｏｎｃｏｎｔｒｏｌｏｆｓｉｘｄｅｇｒｅｅｏｆｆｒｅｅｄｏｍｒｏｂｏｔｉｓａｃｈｉｅｖｅｄ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｐｒｏｖｅ ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ　　Ｖｉｓｕａｌｔｒａｃｋｉｎｇ　Ｎｅｕｒａｌｎｅｔｗｏｒｋ　Ａｃｔｉｖｅｄｉｓｔｕｒｂａｎｃｅｒｅｊｅｃｔｉｏｎｃｏｎｔｒｏｌｌｅｒ（ＡＤＲＣ）　Ａｄａｐｔｉｖｅｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ（ＡＧＡ） ｌｅｒ）利用跟踪微分器（ＴＤ）安排过渡过程，给出参考输入信号的 ０　引　言 各阶导数；利用扩张状态观测器（ＥＳＯ）估计被控对象的实时运 动状况以实现模型和外扰补偿，并把被控对象化为“积分器串 机器人无标定手眼协调是当前智能化机器人研究的一个热 联型”，这样就能用状态误差反馈设计出理想的控制器；非线性 点。其实质是在机器人手眼关系未知的情况下，利用当前时刻 组合（ＮＬＳＥＦ）是安排的过渡过程和对象的状态变量之间误差的 的视觉反馈信息规划机器人路径，最终完成目标定位及动态跟 非线性控制策略，是控制“积分器串联型”对象所需的控制量 踪任务［１］。 形式［５］。 文献［２］基于耦合的自抗扰控制器思想，通过对系统建模 但是，对于对象变化范围很大的系统，如果扩张状态观测器 的不确定性及其未知外扰进行非线性补偿，完成了相互耦合的 的参数设定在一定的范围内，其控制效果不如变化范围较小的 不依赖于系统特定任务的无标定手眼协调控制器的设计，实现 系