基于模糊神经网络的机器人足球团队决策研究

机器人足球团队决策依据的信息通常是模糊的、不确定的、瞬息万变的,决策系统必须具有自适应学习能力。本文提出一种基于模糊神经网络的机器人足球团队决策模型,用于建立场上关键信息元素和团队决策之间有效的映射关系。初步的仿真实验结果证明了该团队决策模型的正确性和合理性。     

轮式机器人模糊神经网络建模与模糊遗传PID转向控制的研究

针对数学模型复杂的轮式机器人的转向控制问题，提出了一种先用模糊神经网络建模，再用模糊遗传PID转向控制的方法。模糊遗传PID控制算法简单，直观性好，容易理解，能直观地判断PID参数是否有效。控制方法所需的数据完全来源于实验。经过对车体转向控制的仿真研究，由仿真结果可看出，仿真控制效果良好。控制方法能适应各种不同速度、不同转向角度等参数变化，在实际中应用实验数据就能控制，是一种有实用意义的控制方法。     

基于RBF神经网络的智能PID控制算法

针对工业中的纯滞后现象提出一种智能控制方法,在常规的PID控制器中引入Smith预估器,对纯滞后时间τ所产生的特性进行预估补偿,同时利用RBF神经网络对PID的参数进行自整定,在一定程度上增强了系统的鲁棒性和稳定性。实验证明,此控制方法对纯滞后工业对象进行控制可以得到良好的效果。     

轮式机器人模糊遗传PID转向控制实验研究

为了对模型复杂的轮式地面机器人进行转向控制，应用了模糊遗传PID控制方法。先用模糊神经网络建立车体模型，再用遗传PID进行参数寻优，最后用优化参数控制机器人转向。该方法能直观地判断PID参数是否有效。经过对车体转向控制的实验研究，控制效果良好。     

机器人PID控制算法研究与实现

文中描述了如何使用PID控制器实现对巡线机器人的行走控制。针对依靠双轮直流电机驱动的机器人平台,依靠引导线进行行走的特点,设计了基于PID控制器的行走驱动算法,实现对机器人行走的控制。在算法中对比、整合PID控制器中三个参数,使其在控制过程中协调发挥作用,实现在离散状态下机器人行走巡线的精确控制。该算法多次应用在全国职业技能大赛机器人应用项目中,通过实践表明该算法具有适应性强、控制精度高、调整误差小的优点。     

基于模糊径向基函数神经网络的PID控制算法仿真研究

在传统的PID控制算法基础上,提出了一种基于模糊RBF神经网络的PID控制算法。该算法将RBF神经网络学习能力强与模糊理论的推理能力强的特点结合起来,在线调整比例、积分、微分三个控制参数,仿真结果表明,该算法的控制品质优于常规PID控制,具有较强的自适应能力和鲁棒性。     

模糊自适应PID控制器在足球机器人中的应用

传统的PID控制器结构简单、实现简单、控制效果良好,所以在足球机器人中广泛应用.但由于机器人机械加工精度问题,每个足球机器人都存在个体差异,很难得到一致的PID控制参数.本文提出了一种基于模糊控制理论的足球机器人控制系统,针对传统PID控制器的特点,将摸糊控制技术引入到PID参数自整定过程中,根据不同情况在线自整定PID参数.通过和传统的PID控制器比较,模糊自适应PID控制器具有具有灵活性好,控制适应性强,动态、静态性能好等优点.在MIROSOT机器人上验证了该控制器的有效性和实用性.     

模糊PID控制器

本文介绍一种新的模糊PID控制的设计和参数整定方法。运行结果表明，在控制非线性和时变对象时，其控制效果优于数字PID控制器。     

基于RBF神经网络优化的PID控制算法研究

为了更好地解决常规PID控制精度差、无自适应性、跟随性能差等问题,将RBF神经网络与常规PID控制算法结合起来,可以实现动态辨识,利用神经网络的学习能力,可以根据控制环境在线修正PID控制的比例、积分、微分参数,使其更加符合调节需求,从而能够提升系统的实时性以及适应性,通过加入阶跃信号和正弦信号两种不同的信号,基于Matlab软件中的Simulink环境对控制系统进行仿真,验证基于RBF神经网络PID控制算法的控制性能。通过控制系统仿真结果得出结论：基于RBF神经网络PID控制算法具有响应速度快、超调小和跟随性能好、无静态偏差等优点,其控制效果明显优于常规PID控制算法。     

基于改进粒子群算法的模糊神经网络PID控制器设计

针对模糊神经网络PID控制器中参数初始值的设置对控制器性能影响大的问题,提出一种改进的PSO算法优化模糊神经网络PID控制器参数的设计方法.该方法采用实数编码的方式对控制器参数进行优化,并以ITAT指标作为改进的PSO优化算法的适应度函数.实验仿真表明:经过改进的PSO算法优化的模糊神经网络PID控制器具有良好的动静态性能,响应速度更快,超调量更小,控制精度更高.     

自主式足球机器人控制系统设计研究

足球机器人为智能机器人学科的发展提供一个具有挑战性的课题,本文介绍了一种基于DSP的足球机器人控制系统的实现方案,并对足球机器人系统的整体体系结构、硬件系统和软件系统进行了介绍。实验证明,该足球机器人运行稳定性,设计合理。     

基于DSP的足球机器人设计

通过对目前国内常用足球机器人性能的分析，以提高机器人足球平台硬件系统性能为目标，设计了一种基于DSP为控制核心，并结合Fuzzy-PID控制算法的足球机器人。实验证明，由于DSP存在运算速度快、接口丰富、功耗低等优点，因此对足球机器人的运动性能、控制精度、实时性都有了极大的改善。     

BP神经网络在机器人足球比赛系统中的应用

足球机器人的决策系统是一个多智能体协调控制系统,控制机器人运动需对机器人未来的方位进行实时预测。为了解决RoboCup小型组比赛系统的延迟和准确定位问题,将BP神经网络应用于决策系统的局势预测中。建立了基于BP神经网络的线性预测模型,确定了神经网络的拓扑结构,并将训练好的网络应用于现有比赛系统,预测机器人的就位效率、协调及配合能力,进行仿真实验。实验证明,方法对机器人的位置、方向等预测比较准确,证明了预测算法的可行性和优越性。     

基于PID神经网络的四旋翼飞行器控制算法研究

针对四旋翼飞行器的姿态与位置控制问题,提出基于PID神经网络的控制方法。建立四旋翼飞行器的数学模型,引入四旋翼飞行器联合仿真平台,利用Matlab设计PID神经网络姿态控制器,训练后能达到良好的控制效果,最后设计PID神经网络位置控制器并进行训练。仿真结果表明,该控制方法在性能上明显优于传统PID,对飞行器有良好的控制效果。     

动态矩阵控制参数的神经网络优化算法

动态矩阵控制是一种重要的预测控制算法,适用于具有大纯滞后的工业对象和非最小相位系统,在实际应用中需要确定多个参数。文章提出了一种以限制控制量变化为目标,用神经网络在线优化控制矩阵参数的DMC控制算法。仿真结果验证了该文提出算法的有效性。     

基于改进型遗传算法的足球机器人路径研究

目前针对足球机器人路径规划,主要采用栅格法和链接图法,但栅格法无法达到精确的规划路径,而连接图法主要针对具有复杂多边形的障碍物,这两种方法不能满足足球机器人实时性的要求.为此采用简化编码方式和格雷码,建立了以路径最短、避障为优化目标的遗传算法适应度函数,采用轮盘赌选择,单点交叉,基本位变异等方法,完成了遗传操作.仿真结果表明:在建立的约束关系下,改进型遗传算法在路径最短方面比人工势场法有所改进,表现出较好的优化效果.     

基于模糊算法的足球机器人目标跟踪控制

为实现在Robocup中型组足球机器人比赛中能够实时准确的跟踪移动的足球,提出了一种基于全景视觉的目标跟踪模糊控制方法,采用双输入双输出控制结构,并以DM-B221型Robocup中型组足球机器人为例,建立机器人运动模型进行仿真比较,分析了目标跟踪的实时性准确性.结果表明,足球机器人在2×7规则下由于控制规则过于粗糙,不能满足实时性且质心运动曲线比较陡,但在4×7规则下能够在0.15s内平滑到达目标点,满足控制实时性和准确性要求.实验表明控制规则的鲁棒性是系统能够满足控制要求的主要因素.     

基于模糊神经网络的机器人实时控制研究

基于模糊神经网络的机器人实时控制研究廖俊朱世强林建亚（浙江大学流体传动及控制国家重点实验室杭州３１００２７）关键词神经网络,模糊控制,机器人．收稿日期１９９５－０８－０７１引言模糊神经网络结合了模糊逻辑和神经网络各自的优点,受到越来越多学者的高度重视...     

基于神经网络的内模控制在机械手控制中的研究

采用内模控制与神经网络相结合的方法来解决机械手的控制问题,使机械手沿着一定的期望轨迹运行。神经网络对机械手建模,使其作为内模控制中的模型,训练方法采用前馈网络的BP学习算法。单个神经元使用静态模型,输入神经元之间的延迟引入系统的动态。仿真结果表明,该方法具有有效性和实用性。     

基于神经网络补偿的机械臂轨迹控制策略的研究

建立了二维机械臂的动力学方程,分析了控制机械臂轨迹应考虑的不确定量.考虑到机械臂动力学模型的非线性和参数的不确定性,提出了采用神经网络作为补偿器的机械臂轨迹控制策略.该策略结构简单,采用标称值确定神经网络初始权值,易于工业实现.仿真研究表明了所提控制策略的有效性及神经网络补偿器的泛化能力和自适应能力.