第5章-机器人控制.ppt

5.4机器人的智能控制3.模糊控制系统模糊控制是一类应用模糊集合理论的控制方法。模糊控制的有效性可以从两个方面来考虑。一方面，模糊控制提供一种实现基于知识（基于规划）的甚至语言描述的控制规律的新机理。另一方面，模糊控制提供了一种改进非线性控制器的替代方法，这些非线性控制器一般用于控制含有不确定性和难以用传统非线性控制理论处理的装置。5.4机器人的智能控制对输入量进行满足模糊控制需求的处理↓对输入量进行尺度变换↓确定模糊语言取值和隶属度函数5.4机器人的智能控制隶属度函数高斯型隶属函数广义钟形隶属函数S型隶属函数梯形隶属函数三角形隶属函数Z形隶属函数5.4机器人的智能控制几种解模糊的方式：1、重心法2、最大隶属度法：顾名思义就是输出最大隶属度的值3、系数加权平均法5.4机器人的智能控制4.遗传算法遗传算法（GeneticAlgorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。主要特点：直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。5.4机器人的智能控制常用名词：种群（population）基因（gene）个体(individual)染色体(chromosome)代（generation）适应度（fitness）选择（selection）遗传算子（geneticoperators）交叉（crossover）变异（mutation）解码（decoding）5.4机器人的智能控制初始种群适应度测试=理想情况选择繁殖子代变异5.4机器人的智能控制基本遗传算法伪代码/*Pc：交叉发生的概率*Pm：变异发生的概率*M：种群规模*G：终止进化的代数*Tf：进化产生的任何一个个体的适应度函数超过Tf，则可以终止进化过程*/初始化Pm，Pc，M，G，Tf等参数。随机产生第一代种群Popdo{计算种群Pop中每一个体的适应度F(i)。初始化空种群newPopdo{根据适应度以比例选择算法从种群Pop中选出2个个体5.4机器人的智能控制基本遗传算法伪代码if(random(0,1)Pc){对2个个体按交叉概率Pc执行交叉操作}if(random(0,1)Pm){对2个个体按变异概率Pm执行变异操作}将2个新个体加入种群newPop中}until(M个子代被创建)用newPop取代Pop}until(任何染色体得分超过Tf，或繁殖代数超过G)5.4机器人的智能控制5.人工神经网络人工神经网络（ArtificialNeuralNetwork，即ANN），是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。5.人工神经网络5.4机器人的智能控制基于规则的专家系统或模糊控制监督学习神经网络控制（SupervisedNeuralControl,SNC）受控系统的动力学特性未知或部分已知5.4机器人的智能控制实现SNC的步骤：通过传感器及传感信息处理获取必要的和有用的控制信息构造神经网络，包括选择合适的神经网络类型、结构参数和学习算法等训练SNC，实现从输入到输出的映射，以产生正确的控制5.4机器人的智能控制（1）神经元模型：神经元模型是模拟生物神经元结构而被设计出来的。5.4机器人的智能控制基本概念：1、权值矩阵：相当于神经网络的记忆。在训练的过程中，动态调整和适应。2、神经网络中的每个节点接受输入值，并将输入值传递给下一层，输入节点会将输入属性值直接传递给下一层（隐层或输出层）。在神经网络中，隐层和输出层节点的输入和输出之间具有函数关系，这个函数称为激励函数。5.4机器人的智能控制常见的激励函数5.1机器人的基本控制原则5.1机器人的基本控制原则从机器人控制算法的处理方式来看，可分为串行、并行两种结构类型。串行处理结构(1)单CPU结构、集中控制方式(2)二级CPU结构、主从式控制方式