用于机器手控制的动态模糊神经网络.pdfVIP

维普资讯 第27卷 第 12期 北 京 理 工 大 学 学 报 Vo1．27 NO．12 2007年 12月 TransactionsofBeijingInstituteofTechnology Dec．2007 文章编号：1001—0645(2007)12—1094—04 用于机器手控制的动态模糊神经网络 崔超 ， 袁杰2， 郑晓东 ， 何鹏 (1．齐齐哈尔大学 应用技术学院，黑龙江，齐齐哈尔 161006；2．中央民族大学 数学与计算科学学院，北京 100081) 摘 要：为解决模糊控制中存在的区域界定问题，将神经网络与模糊控制相结合，提出了一种新的模糊逻辑与神经 网络相结合的动态模糊神经网络机器人控制方案(DFNN)，并利用采样数据在线动态构造模糊神经系统．仿真结 果表明，DFNN系统地很好地克服机器人系统中存在的非线性、不确定性、强耦合等因素的影响，控制效果好，为工 业机器人控制提供了一种新的解决方案 ． 关键词：自适应模糊模型；机器人；模糊神经网络 中图分类号：TP39 文献标识码：A FuzzyNeuralNetworkControllerforRoboticM anipulators CUIChao ， YUANJie2， ZHENG Xiao-dong， HEPeng (1．SchoolofAppliedScienceandTechnology，QiqihaerUniversity，Qiqihaer，Heilongjiang161006，China； 2．SchoolofMathematicsandComputerScience，CentralUniversityforNationalities，Beijing100081，China) Abstract：Generaldefiningvariablesofdynamicfuzzy controlsystemsforroboticmanipulatorsare availablewithinlimitedranges．However，itisimpossibletotacklewithjobsabovealimitedrange． Somecluestosolvefuzzycontrolsystems，afteranalysis，putsforwardanew ofmeanscontrolcombines nervousnetwithfuzzycontrolforroboticmanipulators．Random informationaregatheredtodesign thefuzzy system． Finalsimulation results indicate thattheDFNN modelhasfine intelligence performancewhenappliedtoroboticcontrol，beingabletoovercometheeffectofsomefactors，suchas nonlinearity，uncertainty，strongcouplingexistinginrobotsystems． Keywords：adaptivefuzzymodel；robot；fuzzyneuralnetwork 高品质的机器人控制系统必须综合考虑各种不 1 动态模糊神经网络 确定性因素的影响，将控制领域出现的新方法、新技 术引入到应用环境有不确定性的机器人研究领域， 1．1 网络结构 对提高系统的鲁棒性、自适应性及智能化都具有重 动态模糊神经网络(DFNN)的结构是一个扩展 要意义． 的径向基函数 (RBF)神经网络与 takagi—sugeno-kang