Continuous Action Generation of Q‐Learning in Multi‐Agent Cooperation

Conventional Q‐learning requires pre‐defined quantized state space and action space. It is not practical for real robot applications since discrete and finite numbers of action sets cannot precisely identify the variances in the different positions on the same state element on which the robot is located. In this paper, a Q‐Learning composed continuous action generator, called the fuzzy cerebellar model articulation controller (FCMAC) method, is presented to solve the problem. The FCMAC displays continuous action generation by linear combination of the weighting distribution of the state space where the optimal policy of each state is derived from Q‐learning. This provides better resolution of the weighting distribution for the state space where the robot is located. The algorithm not only solves the single‐agent problem but also solves the multi‐agent problem by extension. An experiment is implemented in a task where two robots are taking action independently and both are connected with a straight bar. Their goal is to cooperate with each other to pass through a gate in the middle of a grid environment.     

FCMAC网络的软硬件协同设计与实现

提出了FCMAC网络的一种基于NiosII的软硬件协同设计方法,解决了FCMAC软件实现速度慢、硬件实现耗资源的不足。通过Matlab仿真得出FCMAC网络的各参数。分析影响软件实现FCMAC速度的关键算法,对FCMAC算法进行软硬件划分。在NiosII IDE开发环境下,基于C实现软件模块,以用户自定义指令形式实现硬件模块和软硬件的衔接,即完成软硬件的协同设计。试验结果表明,FCMAC的软硬件协同实现在软件实现速度慢、硬件实现耗资源之间实现了折中,可通过不同的软硬件划分,实现速度与资源的互换。     

空间柔性双臂机器人的神经网络协调控制

基于对机器人闭链系统运动特性的分析,采用假设模态法及拉格朗日方程建立了自由浮动空间柔性双臂机器人协调操作刚性负载闭链系统的动力学模型,然后采用基于小脑模型的模糊神经网络与非线性PD并行控制的方法对该动力学模型进行轨迹跟踪,并对内力采用积分控制;通过仿真实验比较,该方法比一般的非线性PD控制,在跟踪误差、抗干扰性、鲁棒性方面,都有很大的改善.     

FCMAC控制在基于图像的机器人视觉伺服中的应用

以二自由度平面机器人为研究对象,将FCMAC控制方法应用到基于图像的机器人视觉伺服系统中.建立了系统的数学模型,并在Matlab平台上对该系统进行仿真实验.仿真结果表明,本文的控制系统对静态目标定位、对直线运动目标及曲线运动目标进行跟踪,可以获得较快的响应速度和较高的控制精度.     

基于模糊CMAC神经网络的XY平台交叉耦合控制

针对永磁直线同步电机(PMLSM)驱动的XY平台系统的负载扰动、任意加工曲线轮廓误差模型复杂及双轴参数不匹配等会影响加工精度的问题,XY平台单轴采用了能反映人脑认知模糊性和连续性的模糊小脑模型关节控制器(FCMAC)设计速度控制器,在两轴之间采用实时轮廓误差估计模型和交叉耦合控制(CCC)进行轮廓控制器的设计,可同时减小跟踪误差和轮廓误差.FCMAC可准确及时地抑制负载扰动,交叉耦合控制削弱了双轴参数不匹配的影响.仿真结果表明,所设计的XY平台控制系统具有较高的轮廓精度和较强的鲁棒性.     

一种基于神经网络和多小波的水印新算法

文章提出一种基于平衡多小波和模糊CMAC神经网络的数字水印新算法,充分利用了平衡正交多小波的正交性和对称性,不需要进行预滤波处理;而结合SISO模糊CMAC对存贮器和训练数据需求量少等优点,有效地减小了运算量。实验结果表明,该水印算法具有较强的鲁棒性和透明性。     

模糊神经元及其在FCMAC中的应用

本文通过对模糊集合与神经网络的特点及相互关系的阐述，引出将二者优点结合于一身的模糊神经网络理论。从模糊神经元开始，着重介绍其拓扑结构、分类、隶属函数的特点及相应激励函数的确定方法。最后以模糊小脑神经网络(FCMAC)为算例，阐述了模糊神经元的应用问题。仿真结果表明：它具有比常规CMAC学习速度快，结果精确等优势。     

基于FCMAC的鲁棒自适应迭代学习控制算法

工业机器人在改变运动轨迹时往往伴随着系统噪声、干扰的引入以及自身的惯量参数发生变化,采用传统的迭代控制算法难以达到高精度、高速控制的要求.将自适应与鲁棒控制与迭代控制相结合,提高迭代算法的控制精度;给定任务发生改变时,引入模糊小脑关节控制器作为前馈控制,经历史控制经验训练后估算出变化后系统的期望估计输入,作为迭代控制器...     

基于FCMAC与PID复合温控器在DMK-240真空烧结炉中的应用

针对国内某大型硬质合金企业的DMK-240真空脱蜡烧结一体炉控制系统研发项目,设计出了一种基于PLC和工控机构成的控制系统。该控制系统以温度为主要控制参数,采用基于模糊小脑模型神经网络(FCMAC)与PID控制算法相结合的复合温度控制器对温度进行控制。实际运行结果表明,控制方案控制精度高,动态特性好,满足现代硬质合金生产工艺要求。     

一种FCMAC及在Wiener模型辨识中的应用研究

本文将模糊算法和小脑模型神经网络有机地结合在一起，提出了一种单输入单输出(S ISO)的模糊小脑模型神经网络(FCMAC)．它在对输入进行分级量化的同时进行模糊量化，利 用Takagi Sugeno模糊算法进行推理，并将模糊算法引入CMAC的权值训练，具有输入量化级 数少、函数逼近精度高等特点．这种FCMAC用于Wiener模型辨识具有结构确定、计算量小、 训练速度快、辩识效果好等特点．