基于径向基神经网络图像识别的移动机器人控制系统仿真

为实现人机交互的移动机器人轨迹控制,研究了基于径向基神经网络图像识别的移动机器人控制系统,设计了基于神经网络的图像采集和识别处理模块,处理了移动机器人路径控制的关键问题。通过建立手写字体数字(基于神经网络)的图像采集和识别处理模块,搭建移动机器人轨迹控制数学模型,最终在该模型基础上设计了该类机器人基于图像识别结果的路径控制算法。利用仿真软件MATLAB的robot tool工具箱,进行了移动机器人控制轨迹控制的仿真。仿真结果证明,路径控制方案可以很好的让移动机器人完成预定的路径跟踪。从而从理论上解决了基于视觉的移动机器人轨迹控制问题的难题,并为实现基于视觉的移动机器人轨迹控制提供了理论依据。     

无模型机械臂BP神经网络状态观测及反演跟踪控制

针对摩擦阻尼及模型参数不确定的情况,运用反演控制设计策略,针对多连杆机械臂提出了一种基于神经网络观测器的无模型轨迹跟踪控制方法。运用带有修正项的自适应BP神经网络观测器对不可测状态量进行观测,同时对系统模型进行在线逼近。在此基础上设计了基于观测状态和逼近模型的反演跟踪控制器, Lyapunov稳定性理论证明了该控制器能够保证跟踪误差的有界和闭环系统中所有信号的有界。跟踪给定轨迹的仿真实验证明了该方法的有效性。     

用于非线性加热炉的神经网络预测控制器

将预测控制的优化思想与神经网络精确描述非线性和不确定性动态过程的特性有机结合,提出了可用于非线性加热炉的直接优化的神经网络预测控制方法,该方法是采用离线训练的神经网络,通过在线反馈校正,分段优化控制量,可使最优预测输出逼近参考轨迹;基于李雅普诺夫方法,讨论了闭环系统的稳定性,得到闭环系统局部渐进稳定的一个充分条件;讨论了加权系数h和λ对系统的影响;仿真结果表明了该方法的有效性、准确性和鲁棒性。     

多连杆机械臂GA-RBF神经网络轨迹跟踪控制

针对多连杆机械臂模型系统信息不完整、存在外界干扰等问题,设计了一种新型的GA-RBF神经网络闭环自适应控制系统。该系统利用径向基函数(RBF)神经网络来逼近并补偿系统的模型误差和外界扰动,在基于计算力矩法的基础上实现对机械臂的轨迹跟踪控制,并采用遗传算法(GA)对RBF神经网络权值进行在线优化,确保机械臂控制系统能在更短时间内获得稳定,实现了高精度的轨迹跟踪,提高了轨迹跟踪的性能。MATLAB数值仿真的结果验证了该方法的有效性。     

一种弧焊机器人轨迹跟踪控制方法的研究

针对弧焊机器人动态特性中的非线性和不确定因素,对机器人的轨迹跟踪控制问题进行了研究。为提高跟踪精度和控制性能,提出一种基于高斯基模糊神经网络的轨迹跟踪控制方法。该方法以高斯基作为隶属函数,结合神经网络和模糊算法,设计了高斯基模糊神经网络控制器。采用非线性规划中的最速下降法对模糊神经网络进行自学习,能够在线调节隶属度函数的中心以及关节耦合权值,使得控制器具有更好的自学习与自适应能力。数值仿真结果表明该控制方法能高效地控制机器人的轨迹跟踪。     

平面二自由度五杆机构BP神经网络整定PID控制

针对平面二自由度五杆机构的轨迹跟踪问题,设计了一种基于BP神经网络整定的PID控制方法。该控制方案利用BP神经网络学习辨识机构系统的未知非线性动态,可以在线调整PID控制参数,以实现高精度控制。仿真结果显示该控制策略可以精确实现对于五杆机构的轨迹跟踪控制,该方法具有较好的自适应性和鲁棒性。     

基于自适应神经网络控制的机械臂运动轨迹跟踪误差研究

针对机械臂受到外界干扰时运动不稳定、轨迹跟踪误差较大等问题,提出了自适应神经网络控制方法。给出了机械臂动力学方程式,利用正反馈神经网络研究机器臂的动力学特性。设计了自适应神经网络控制系统,通过李雅普诺夫函数证明了该闭环系统的稳定性和收敛性。建立了机械臂模型简图,采用Matlab/Simulink软件对机械臂动力学参数进行仿真。同时,与PID控制系统仿真结果进行对比和分析。仿真结果显示,机械臂运动轨迹在受到外界干扰情况下,采用自适应神经网络控制运动轨迹跟踪误差较小,输入转矩波动较小。机械臂采用自适应神经网络控制方法,可以提高运动轨迹的控制精度,削弱了机械臂运动的抖动现象。     

基于RBF神经网络的闭链下肢康复机器人自适应补偿控制

在下肢康复机器人的康复训练过程中,模型参数、环境干扰等不确定性因素会影响机器人轨迹跟踪的精度。针对这一问题,提出了一种基于径向基函数（Radial Basis Function,RBF）神经网络的自适应补偿控制,该控制方法能够提高机械系统轨迹跟踪的精确性。首先,设计一款具有4种工作模式、运动稳定的闭链卧式下肢康复机器人结构;然后,利用拉格朗日方法求解动力学名义模型,将康复装置的模型参数以及外界干扰等不确定性因素分离出来,并设计基于RBF神经网络的自适应补偿算法对其进行逼近控制;最后,通过Matlab/Simulink环境对其进行仿真验证,证明了该控制策略的有效性。结果显示,在人体步态曲线轨迹跟踪中,提出的基于RBF神经网络的自适应补偿算法相比传统的模糊比例-积分-微分（Proportional Integral Derivative,PID）控制的方法响应速度快、跟踪效果好,且髋关节和膝关节轨迹跟踪的角度误差峰值分别为0.08°和0.13°,远小于患者下肢在康复运动中的转动角度。设计了单腿样机试验,试验结果表明,采用的RBF补偿自适应控制器能够实现高精度的跟踪结果,也能够满足患者在康复...     

基于模型参考神经网络实现锅炉水位自适应控制

锅炉水位是影响锅炉安全运行的重要参数,而水位控制系统是一个复杂的非线性系统.设计了一个稳定的参考模型来表达所期望的汽包水位特性,再通过构建神经网络控制器,控制锅炉水位输出曲线匹配期望的锅炉水位特性.神经网络控制器由2个神经网络组成:被控对象辨识神经网络和控制神经网络,采用反向传播学习算法作为神经网络训练算法.仿真结果表明,采用该神经网络控制器的系统输出性能明显优于采用传统控制器的系统.     

机器人焊缝跟踪神经网络控制的研究

研究神经网络技术在弧焊机器人焊缝跟踪过程中的应用,通过神经网络在笛卡尔空间轨迹的补偿作用,确定出基于笛卡尔空间参考轨迹控制的机器人焊缝跟踪神经网络控制器。与传统的关节计算力矩法相比,所设计的神经网络控制器具有良好的控制特性及较强的鲁棒性,焊缝跟踪精度得到了显著的提高。