第七节 机器人控制--新.ppt

机器人控制系统的特点： 非线性、多变量、强耦合的系统。 非线性：输入输出的映射关系不是线性的 多变量：输入输出的个数为2个以上 强耦合：输入输出之间存在交连 以上特点决定了机器人控制系统的复杂性。解决以上问 题的控制策略： 解耦控制(decoupling control) 鲁棒控制(robustness control) 容错控制(fault tolerant control) 多变量控制系统的一般结构 传递函数矩阵：开环传递函数矩阵，闭环传递函数矩阵 多变量系统分析和计算的特殊性：变量是向量，传函是矩阵（矩阵的计算不满足交换律） 多变量系统控制的发展： 1.状态空间法： 系统的数学模型：状态空间表达式 主要应用领域：航空航天等尖端科技研究 局限性：计算量大，控制器复杂难以实现，无法在工业生产过程广泛推广 2.现代频域法 系统数学模型：传递函数矩阵 主要应用领域：工业生产过程 特点：对系统进行近似和简化，数学工具浅显易懂，具有很大的灵活性。 代表性理论：INA方法，CL方法，序列回差法等。 3. 先进控制技术 自适应控制理论：主要针对模型的时变性和不确定性 智能控制理论：主要针对模型未知系统 什么是智能机器人？ 智能机器人是具有感知、思维和动作的机器。 1.各种新型智能机器人: (1)网络机器人:远程控制和操作.应用与医疗,救灾,娱乐等领域. (2)微型机器人:用于医疗. (3)高智能机器人:超高运算速度,处理能力和存储容量.但目前体积较大. (4) 变结构机器人:依照环境来变换自己的结构和运动方式以适应环境. 2.智能机器人的 产生和发展 （1）示教再现型机器人:没有任何传感器,对环境没有感知能力. ——目前商品化、实用化的为此类机器人。 （2）感觉型机器人:配备简单内、外部传感器,能感知自身的速度、位置、姿态等，具有部分适应外部环境能力。 （3）智能型机器人：具有多种内、外部传感器组成的感觉系统，对外部环境信息进行感知、提取、处理并作出适当决策。——此类机器人目前处于研究和发展阶段。 智能型机器人的发展方向：类人型机器人和具有智能的机器。 3.智能机器人的体系结构 （1）视觉系统 （2）行走机构：轮式，履带式，爬行，两足式。 （3）机械手 （4）控制系统：信息融合，运动规划，环境建模、智能推理。 （5）人机接口：话筒，扬声器，语音合成与识别系统 1.智能控制系统 三种智能控制系统 （1）人作为控制器的控制系统 （2）人——机结合作为控制器的控制系统 （3）无人参与的自主控制系统：机器人是最典型的例子。 智能控制方法： （1）分层递阶的智能控制结构 （2）神经网络控制 （3）模糊控制 2.智能机器人系统的基本特征 （1）模型的不确定性 （2）系统的高度非线性 （3）控制任务的复杂性 3.智能机器人控制系统的基本结构：分层递阶的组成结构 4.智能机器人控制系统的主要功能特点： （1）学习功能 （2）适应功能 （3）组织功能 5.智能控制理论的主要内容和在智能机器人控制中的应用 智能控制是交叉学科：人工智能，运筹学和自动控制 （1）自适应、自组织和自学习控制 （2）知识工程 （3）神经元网络理论 （4）模糊集合论 （5）优化理论 面向设备的基础级——常规的技术：PID，前馈控制 协调级和组织级——智能控制方法：神经网络控制，模糊控制，模糊神经控制 （1 ）神经网络控制 网络结构：前向网络，带反馈的网络，全连接网络 训练算法：误差反向传播算法，遗传算法 控制方式：逆控制，反馈控制，内模控制 （2）模糊控制 变量的模糊化和反模糊化 模糊规则和模糊推理 （3）模糊神经控制 用神经网络实现模糊控制器的全部功能： 5层结构：第一层输入变量 第二层模糊化 第三层表示模糊规则的前件匹配（IF） 第四层表示模糊规则的后件（THEN） 第五层反模糊化 1.神经网络控制 （1）人工神经元模型的三个基本要素 连接权 连接权对应于生物神经元的突触，各个人工神经元之间的连接强度由连接权的权值表示，权值为正表示激活，为负表示抑制。 （7）常见神经网络控制系统 1) 神经网络直接逆动态控制 其中 中的每项元素是根据模糊关系矩阵的合成规则求出的，如第1行第1列的元素为 这时，推论 结果仍为“高电压”。 （2）模糊控制系统 人的手动控制决策可以用语言加以描述，总结成一系列条件语句，即控制规则。 运用