自主式机器人智能控制实验方法分析.pdfVIP

traditional method the the usingworkload，obviously greatlyreducing experiment thecontrol the ofthe improve accuracy，increasestabilitysystem． AutonomousMobile Neural Control；BP Keywords： Robot；Intelligent Motion Networks；PID；LinearMotion；Rectangular 第一章绪论 第一章绪论 1．1课题研究背景 机器人控制系统是一个复杂的多输入多输出系统，它同时是一个时变的、非 线性的耦合性极强的具有动力学特征的系统。随着机器人所处的状态的变化和外 界环境的变化，其控制对象也存在的不确定性，而且其参数也随着整个系统的变 化而不断变化，因此机器人控制中存在很大的不确定性，这种不确定性一般可以 从下面两个方面来进行理解【l。2】：第一，整个机器人的可用的模型目前研究的非 常多，这些模型在某种条件下和约束下是可以使用的，但是能准确到某个分析模 型太少了；第二，目前研究的机器人的模型结构和参数随着时间的变化而发生很 大的变化，因此没有一个很好的解决这种变化的方法。上述两种情况导致目前的 控制方法对机器人是非常困难的，而随着反馈控制、状态空间控制后智能控制技 术的发展能够在一定程度上克服由于非线性因素的影响带来的控制的不确定性， 提高系统的控制精确性和鲁棒性。智能控制的优点在解决机器人控制中遇到的问 题是一个比较好的解决途径，目前国内外学者和科研人员都进行研究【3J。人工神 经网络不但具有拟合任意非线性曲线的良好能力，而且能够学习与适应未知系统 的动态性能，消除系统不确定性和外部扰动的影响。基于神经网络的控制系统具 有相对较强的适应性与鲁棒性，为解决机器人复杂的非线性、不确定、不确知系 统等控制问题开辟了一条新的途径[41。本文就是利于PID控制算法以控制移动机 器人的直线运动，并针对常规PID控制器的不足，将神经网络与常规PID控制 算法相结合，设计～种基于BP神经网络的PID控制器。 1．2国内外研究现状 1．2．1 智能控制 1971年著名学者付京逊从发展学习控制的角度首次正式提出了智能控制这 个新兴的学科领域‘51。他列举了三种智能控制系统的典型情况，即人作为控制器 的控制系统、人——机结合作为控制器的控制系统和无人参与的智能控制系统。 第三种情况正是高级智能机器人所需要的无人参与的智能控制系统，其列举的典 型例子也正是一种自主机器人。这种控制系统的被控过程是一个复杂和不确定性 第一章绪论 的环境，要建立被控过程的精确数学模型并采取常规的控制方法几乎是不可能 的。对于复杂的环境和任务，如何将人工智能技术中较少依赖模型的求解方法与 常规的控制方法来结合，正是智能控制所要解决的问题【6】。因此，智能控制系统 必须具有模拟人类学习和自适应、白组织的能力，这就要求智能控制系统要具有 以下基本特点【k8J： (1)应能对复杂系统(如非线性、时变性、多变量耦合性、环境扰动性等) 进行有效的全局控制，并具有较强的容错能力： (2)能实现定性决策和定量控制相结合的多模态组合控制： (3)能从系统功能和整体优化的角度来分析和综合系统，以实现预定的目 标，并应具有自组织能力： (4)同时具有以知识表示的非数学模型和以数学模型表示的混合控制过程。 其中，人的知识在控制中起着重要的协调作用，智能控制系统在信息处理时既要 有数学运算，：叉要有逻辑和推理能力。 1．2．2机器人控制 机器人正向着智能化的高级机器人方向发展，未来的智能机器人将具有行走 能力、具有视觉、听觉、嗅觉、触觉、力觉等多种感觉能力，而且还