一种稳定的机器人神经网络控制器研究

研究一种稳定的机器人神经网络（ＮＮ）控制器，提出了由神经网络控制器和监督控制器构成的控制方案，给出了控制器的设计方法及ＮＮ学习自适应律，并基于Ｌｙａｐｕｎｏｖ方法证明了控制系统的稳定性和ＮＮ参数收敛性，仿真结果表明该控制方案具有良好的鲁棒性和参数收敛性，从而证明控制器的有效性。     

基于径向基函数神经网络的多关节机器人滑模控制器

针对具有不确定性的多关节机器人系统,提出了一种径向基函数神经滑模控制方法;该控制方案采用全局滑模面,将神经网络的非线性映射能力与滑模控制的特点相结合,利用径向基神经网络自适应学习系统不确定性的未知上界,消弱了由滑模控制产生的抖动,同时保证了系统的鲁棒性;基于李亚普诺夫定理给出了系统稳定性的充分条件;仿真结果表明,该方法具有良好的轨迹跟踪和速度跟踪性能,提高了对于建模误差和不确定干扰等因素的鲁棒性。     

基于确定学习的机器人任务空间自适应神经网络控制

针对产生回归轨迹的连续非线性动态系统, 确定学习可实现未知闭环系统动态的局部准确逼近. 基于确定学习理论, 本文使用径向基函数(Radial basis function, RBF)神经网络为机器人任务空间跟踪控制设计了一种新的自适应神经网络控制算法, 不仅实现了闭环系统所有信号的最终一致有界, 而且在稳定的控制过程中, 沿着回归跟踪轨迹实现了部分神经网络权值收敛到最优值以及未知闭环系统动态的局部准确逼近. 学过的知识以时不变且空间分布的方式表达、以常值神经网络权值的方式存储, 可以用来改进系统的控制性能, 也可以应用到后续相同或相似的控制任务中, 节约时间和能量. 最后, 用仿真说明了所设计控制算法的正确性和有效性.     

基于RBF网络的信息融合在机器人足球中的应用

机器人足球系统是综合性的人工智能研究平台。决策在机器人足球比赛中起着至关重要的作用。通过对机器人足球系统的分析,论证了信息融合应用于机器人足球系统的可行性。针对机器人足球比赛决策中的实际问题,提出了基于径向基函数(RBF)神经网络的信息融合方法,并设计了足球机器人射门实验。实验结果证明该方法有助于提高整个系统决策的准确性。     

基于径向基函数神经网络的机器人滑模控制

尽管滑模控制响应快,对系统参数和外部扰动呈不变性,但在保证系统的渐进稳定性上却存在很强的抖动缺点.因此,在一般滑模控制的基础上,引入了径向基函数神经网络(RBFNN).利用滑模控制的特点设定目标函数,将切换函数作为RBFNN的输入,滑模控制量作为其输出.利用RBF神经网络的在线学习功能,消除了控制的抖动,同时使系统具有很强的鲁棒性.对两连杆机械手进行了仿真研究,其结果表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能消除滑模控制的抖动问题.     

机器人末端臂轨迹跟踪自适应控制设计

本文提出了新颖的机器人末端臂轨迹跟踪自适应控制方法。该方法与已有的神经网络模型不同之处在于数据首先利用运动学反解求出机器人各关节旋转的角度,然后应用径向基函数自组织进行神经网络学习生成模糊规则,利用监督学习算法(SLA)、最小二乘法(LMS)、反向传播算法(BP)和聚类分析的方法在线优化控制规则以及隶属函数的参数。仿真结果表明,该方法不但规则生成的时间少,有效的防止了规则数爆炸,而且在机器人轨迹跟踪控制的应用中效果好。     

基于FuzzyP的多臂机器人机械臂控制系统设计

机械臂是多臂机器人的重要组成部分,针对基于姿态识别控制及位置识别控制系统受到被控量振荡影响,而导致机械臂运动轨迹控制不精准的问题,提出了基于FuzzyP的多臂机器人机械臂控制系统设计;基于FuzzyP控制系统,找到系统控制平衡点,设计系统硬件结构包含3个机械臂,共十八个自由度,简化关节控制器连线,选择直流有刷电机,采用增量型编码器,设计H桥电路,配合74ACT244增强驱动电路,利用NRF24L01无线模块获取与处理位置信息;使用FuzzyP控制器,抑制被控量振荡,控制连杆运动,完成多臂机器人机械臂控制方案设计;由实验结果可知,该系统轨迹与预期轨迹基本一致,较好解决多臂机器人机械臂对接精确定位要求。     

FGA优化RBF网络的机器人逆运动学求解研究

针对如何提高六自由度机器人逆运动学的求解精度问题,采用FGA对RBF神经网络的节点中心向量、基宽向量以及网络隐含层到输出层的权向量进行优化,并将其应用于六自由度机器人的逆运动学求解。以机器人工作空间的位姿矩阵作为预测网络的输入变量,以关节空间中的关节角度作为输出变量,构建机器人逆解RBF预测网络,然后选取样本对网络进行训练。最后对网络进行测试,仿真结果显示,优化后的网络预测精度高,泛化能力强。     

文献扫描机器人多关节机械臂滑膜控制系统设计

为提升机器人机械臂关节的传动性能,使其处于良好的反步自适应工作环境,设计文献扫描机器人多关节机械臂滑膜控制系统。利用关键控制电路,实现机械臂全局PID滑膜控制器与机器人多关节滑膜控制器间的定向连接,完成新型控制系统的硬件运行环境搭建。通过机器人控制传感器标定操作,建立等效控制及动态滑膜方程,并利用上述计算结果界定机械臂滑膜的动态品质,实现新型控制系统的软件运行环境搭建,结合软、硬件运行单元,完成文献扫描机器人多关节机械臂滑膜控制系统设计。模拟文献扫描机器人多关节机械臂运行状态,设计对比实验结果表明,与传统系统相比应用新型滑膜控制系统后,机械臂关节的传动能力得到有效提升,反步自适应参数最大值可达到1.70     

机械臂系统自适应神经网络滑模控制器设计

针对机器人系统滑模控制器设计存在的抖振问题,提出了一种新型的具有可变滑模增益的控制器设计方案。在传统滑模控制器设计的基础上,该控制方案的创新之处在于所设计控制器的开关增益可实现动态自适应调整。采用径向基函数神经网络(radialbasis function neural network, RBFNN),使开关增益随关节参数动态改变,以适应系统的未建模动态及未知扰动。通过加入适当的自适应控制算法,有效地抑制逼近误差及外部扰动。并且,通过李雅普诺夫方法证明了系统的轨迹跟踪误差可渐近收敛到0。最后,仿真结果表明,所设计的方案降低了系统抖振,同时可有效地提高跟踪精度。     

基于改进PID的核算机器人机械臂控制研究

针对机器人机械臂的控制研究,提出一种基于改进PID的核算控制系统进行设计,即结合BP神经网络的PID闭环运动控制系统。首先,提出了PID核算机器人机械臂整体的控制思路,其次,阐述了BP神经网络PID闭环运动控制系统的控制原理以及神经网络,然后,对机器人机械臂运动控制部分整体的框架进行设计;之后,通过仿真平台,分别对BP神经网络PID运动控制算法以及闭环运动控制系统进行测试验证,结果表明BP神经网络PID闭环运动控制系统的响应速度更快,且具有更高的稳定性;最后,分别采用两种控制系统对实验机械臂进行控制实验,对比结果表明,BP神经网络PID闭环运动控制系统对获取目标物的时间更短更迅速,且成功率高达95%。     

参数突变自由漂浮空间机器人神经集成控制

本文以自由漂浮空间机器人为被控对象,针对机器人手臂在捕获大质量目标后,如何保证控制精度这一问题,提出基于神经网络的鲁棒控制策略.由于测量误差和外界干扰等因素的影响,空间机器人系统存在参数和非参数两种不确定性,利用径向基函数神经网络来学习系统的未知参数不确定性,设计隐层和输出层之间权值参数学习律来保证自适应在线调整,鲁棒控制器补偿非参数不确定性和神经网络的逼近误差,利用冗余机理来集成两种控制器,从而确保了捕获后的控制精度,基于Lyapunov理论证明了整个闭环系统全局渐进稳定.所提控制方法无需空间机械臂精确数学模型,仿真结果表明了这种控制器的有效性,且由于空间机械臂的低速工况,这为神经网络提供了充足的学习时间,保证了工程应用的实时性.该控制方法对于国防、航空航天及其安全领域具有重要的工程应用价值.     

基于神经网络的机械臂的力控制方法

本文提出一种基于神经网络的力控制方法，由两个串联的神经网络构成机械臂的力控制器，其中一个网络用来学习机械臂本身的逆动力学系统，而另一网络用来学习未知的被接触环境的动力学特征，这种方法避免了困难的接触环境建模问题。一个 双连杆机械臂的力控制的仿真实验描述了种种方法的有效性。     

基于多二维RBF神经网络的航空雷达信号分选

针对航空雷达信号分选中侦察装备普遍存在的信号分选实时性差,分选结果经常出现增批、漏批现象的缺点.为了提高侦察系统在复杂电磁环境下准确快速的分选出雷达辐射源信号,根据径向基(RBF)神经网络通过理想数据训练后能够对未知数据进行分类的特点,将径向基神经网络算法用于对航空雷达侦察信号的分选,在此基础上提出了一种新型多二维径向基神经网络结构,通过与BP网络、RBF网络的对比,多二维径向基神经网络的识剐率优于其它几种网络,而且其结构便于实现.通过试验结果可以得出,多二维径向基神经网络能够提高雷迭信号分选的准确率.     

基于RBF神经网络的飞机发动机故障诊断研究

论述了径向基函数神经网络的基本网络结构和网络的学习及运行过程,结果表明:径向基神经网络具有极快的学习收敛速度。讨论了径向基神经网络在飞机发动机故障诊断中的应用,并对训练后的网络进行了仿真测试,仿真结果表明RBF网络有较高诊断正确率,且能满足实时诊断的要求。     

基于径向基函数网络的一步超前预测控制研究

提出一种基于径向基函数（RBF）神经网络的一步超前预测控制算法。该方法只用于一个网络，控制量的获取只求几步迭代，算法简单并有较好的实用性。通过对离散非线性系统的仿真证明了算法的有效性。     

地面清扫机器人的研究

介绍一种主要用于定字楼及医院病区走廊清扫的机器人,该机机器人由移动、视觉和清扫三部分构成,具有体积小、噪音低、清扫效率高等优点。     

基于动态自适应RBF网络的元音识别研究

鉴于BP网络训练时间过长，且易于陷入局部最优解，本文采用RBF网络来实现元音字母的语音识别。RBF网络的构造通过一种动态自适应聚类算法来完成，使得RBF网络具有在线学习能力。示例计算结果表明，这种RBF网络具有比BP网络和贝叶斯分类器更好的分类精度。     

基于现场总线的工业机器人联网

本文根据国内工业机器人技术开发和应用现状及其技术发展趋势，进行了基于现场 总线的工业机器人联网技术的研究和开发，并将机器人作为生产线底层设备，实现了工业机 器人网络的互联．本文介绍了这个系统的硬件结构、上位监控机软件实现、控制器软件实现 以及系统完成的功能．     

基于神经网络的时延预测算法研究

网络控制系统由于时延的存在,其稳定性通常难以保证,一般要求控制器能够准确预知系统的时延 值.网络形式的不同..时延的变化具有规律性或无序性.针对网络时延变化的不同情况,提出了利用线性神经网络和 RBF径向基函数网络技术对时延进行预测.通过对二者预测仿真结果的对比分析,得出了其各自进行时延预测的 适用条件.