《机器人控制新》PPT课件.ppt

《《机器人控制新》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《机器人控制新》PPT课件.ppt（71页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、机器人原理与应用机器人原理与应用2022/10/301东北大学人工智能与机器人研究所第七章 机器人控制第七章第七章 机器人控制机器人控制2022/10/3027.1 概述概述控控制制是是机机器器人人技技术术中中的的一一个个关关键键问问题题，而而控控制制系系统统的性能则是机器人发展水平一个重要标志。的性能则是机器人发展水平一个重要标志。机机器器人人控控制制是是控控制制领领域域的的一一个个子子集集,一一个个独独具具特特色色的的子集。子集。机机器器人人控控制制系系统统是是一一个个与与机机构构学学、运运动动学学和和动动力力学学原原理理密密切切相相关关的的、耦耦合合紧紧密密的的、非非线线性性和和时时变变

2、的的多多变量控制系统。变量控制系统。机器人控制系统一般由计算机和伺服控制器组成。机器人控制系统一般由计算机和伺服控制器组成。第七章第七章 机器人控制机器人控制机器人控制系统的特点：机器人控制系统的特点：非线性、多变量、强耦合的系统。非线性、多变量、强耦合的系统。非线性：输入输出的映射关系不是线性的非线性：输入输出的映射关系不是线性的多变量：输入输出的个数为多变量：输入输出的个数为2个以上个以上强耦合：输入输出之间存在交连强耦合：输入输出之间存在交连 以上特点决定了机器人控制系统的复杂性。解决以上问以上特点决定了机器人控制系统的复杂性。解决以上问题的控制策略：题的控制策略：解耦控制解耦控制(de

3、coupling control)鲁棒控制鲁棒控制(robustness control)容错控制容错控制(fault tolerant control)第七章第七章 机器人控制机器人控制多变量控制系统的一般结构多变量控制系统的一般结构传递函数矩阵：开环传递函数矩阵，闭环传递函数矩传递函数矩阵：开环传递函数矩阵，闭环传递函数矩阵阵多变量系统分析和计算的特殊性：变量是向量，传函多变量系统分析和计算的特殊性：变量是向量，传函是矩阵（矩阵的计算不满足交换律）是矩阵（矩阵的计算不满足交换律）多变量系统控制的发展：多变量系统控制的发展：1.状态空间法：状态空间法：系统的数学模型：状态空间表达式系统的数学

4、模型：状态空间表达式 主要应用领域：航空航天等尖端科技研究主要应用领域：航空航天等尖端科技研究 局限性：计算量大，控制器复杂难以实现，无法在局限性：计算量大，控制器复杂难以实现，无法在工业生产过程广泛推广工业生产过程广泛推广第七章第七章 机器人控制机器人控制 系统数学模型：传递函数矩阵系统数学模型：传递函数矩阵 主要应用领域：工业生产过程主要应用领域：工业生产过程 特点：对系统进行近似和简化，数学工具浅显易懂，特点：对系统进行近似和简化，数学工具浅显易懂，具有很大的灵活性。具有很大的灵活性。代表性理论：代表性理论：INA方法，方法，CL方法，序列回差法等。方法，序列回差法等。3.先进控制技术先

5、进控制技术 自适应控制理论：主要针对模型的时变性和不确定性自适应控制理论：主要针对模型的时变性和不确定性 智能控制理论：主要针对模型未知系统智能控制理论：主要针对模型未知系统 第七章第七章 机器人控制机器人控制2022/10/306工业机器人控制系统工作过程工业机器人控制系统工作过程 机器人控制过程示意图机器人控制过程示意图 内内部部反反馈馈根据外界环境确定任务根据外界环境确定任务确定运动轨迹（点动或轨迹）确定运动轨迹（点动或轨迹）计算目标任务在笛卡尔空间的位姿计算目标任务在笛卡尔空间的位姿任务执行任务执行电机的伺服控制电机的伺服控制转换为电机的给定值转换为电机的给定值转换为关节空间角度转换为

6、关节空间角度外外部部反反馈馈作作业业控控制制器器组组织织层层伺伺服服控控制制器器执执行行层层运运动动控控制制器器协协调调层层第七章第七章 机器人控制机器人控制2022/10/307（1）人工智能级）人工智能级组织层组织层作业控制器作业控制器（2）控制模式级）控制模式级协调层协调层运动控制器运动控制器（3）伺服系统级）伺服系统级执行层执行层驱动控制器驱动控制器 几种不同的称谓几种不同的称谓 机器人控制系统在物理上分为两级：工控机与机器人控制系统在物理上分为两级：工控机与伺服控制器，但在逻辑上一般分为三级（层）：伺服控制器，但在逻辑上一般分为三级（层）：第七章第七章 机器人控制机器人控制2022/

7、10/308作业控制器作业控制器驱动控制器驱动控制器3驱动控制器驱动控制器1驱动控制器驱动控制器2驱动控制器驱动控制器4运动控制器运动控制器机器人本体机器人本体 机器人控制系统的构成机器人控制系统的构成第七章第七章 机器人控制机器人控制2022/10/309分析各层（级）的关系与区别分析各层（级）的关系与区别 知识粒度知识粒度 数据处理数据处理 功能类别功能类别作业控制级作业控制级 粗粗 模糊模糊 决策决策运动控制级运动控制级 中中 精确精确 任务分解任务分解驱动控制级驱动控制级 细细 精确精确 控制控制 通过分层递阶的组织形式才能完成复杂任务通过分层递阶的组织形式才能完成复杂任务第七章第七章

8、 机器人控制机器人控制2022/10/3010工业机器人典型控制方式工业机器人典型控制方式 点位式（点位式（PTP，point to point）实现点的位置控制，而点与点之间的轨迹却无关紧要。如自动插实现点的位置控制，而点与点之间的轨迹却无关紧要。如自动插件机，在贴片机上安插元件，点焊、搬运、装配等。件机，在贴片机上安插元件，点焊、搬运、装配等。轨迹式轨迹式(CP,continuous path)指定点与点之间的运动轨迹为所要求的曲线，如直线或圆弧。在指定点与点之间的运动轨迹为所要求的曲线，如直线或圆弧。在进行弧焊、喷漆、切割等作业时十分必要。进行弧焊、喷漆、切割等作业时十分必要。速度控制方

9、式速度控制方式 对于机器人的行程要求遵循一定的速度变化曲线。对于机器人的行程要求遵循一定的速度变化曲线。力（力矩）控制方式力（力矩）控制方式 要求对末端施加在对象上的力进行控制，如抓放操作、去毛刺、要求对末端施加在对象上的力进行控制，如抓放操作、去毛刺、研磨和组装等作业。研磨和组装等作业。智能控制方式智能控制方式 在不确定或未知条件下作业，通过传感器，内部的知识库，自主在不确定或未知条件下作业，通过传感器，内部的知识库，自主完成给定任务。完成给定任务。第七章第七章 机器人控制机器人控制2022/10/3011机器人控制的特点机器人控制的特点 与机构学、运动学及动力学密切相关。与机构学、运动学及

10、动力学密切相关。描述机器人状态和运动的数学模型是一个具有时变结构和描述机器人状态和运动的数学模型是一个具有时变结构和参数的非线性模型，各关节变量之间存在紧密耦合。参数的非线性模型，各关节变量之间存在紧密耦合。一个简单的机器人至少也有一个简单的机器人至少也有3-53-5个自由度，于是机器人控个自由度，于是机器人控制系统必须是一个计算机控制的多级递阶控制系统。制系统必须是一个计算机控制的多级递阶控制系统。机器人的动作常常可以通过不同的方式和路径来完成，手机器人的动作常常可以通过不同的方式和路径来完成，手臂解不唯一，这样便要处理在一定约束条件下的优化决策臂解不唯一，这样便要处理在一定约束条件下的优化

11、决策与控制问题。与控制问题。伺服系统要求较高的位置精度，较大的调速范围，各关节伺服系统要求较高的位置精度，较大的调速范围，各关节的速度误差系数应尽量一致的速度误差系数应尽量一致。系统的静差率要小，位置无超调，动态响应尽量快。系统的静差率要小，位置无超调，动态响应尽量快。第七章第七章 机器人控制机器人控制2022/10/3012常用伺服控制策略常用伺服控制策略 各种各种PID PID 控制方式控制方式 PID 控制是将偏差的比例控制是将偏差的比例（P）、）、积分积分（I）和微分）和微分（D）通通过线性组合构成控制量，算法简单，鲁棒性好，可靠性高；过线性组合构成控制量，算法简单，鲁棒性好，可靠性高

12、；但反馈增益是常量但反馈增益是常量，它不能在有效载荷变化的情况下改变它不能在有效载荷变化的情况下改变反馈增益。反馈增益。最优控制（最优控制（Optimal ControlOptimal Control）基于某种性能指标的极大（小）控制，称之为最优控制。在基于某种性能指标的极大（小）控制，称之为最优控制。在高速机器人中，除了选择最佳路径外，还普遍采用最短时间高速机器人中，除了选择最佳路径外，还普遍采用最短时间控制，即所谓控制，即所谓“砰砰砰砰”控制。控制。第七章第七章 机器人控制机器人控制2022/10/3013自适应控制自适应控制 自适应控制则是根据系统运行的状态，自动补偿模型自适应控制则是根

13、据系统运行的状态，自动补偿模型中各不确定因素，从而显著改善机器人的性能。分为中各不确定因素，从而显著改善机器人的性能。分为模型参考自适应控制器、自校正自适应控制器和线性模型参考自适应控制器、自校正自适应控制器和线性摄动自适应控制等摄动自适应控制等。解耦控制解耦控制 机器人各自由度之间存在着耦合，即某处的运动对另机器人各自由度之间存在着耦合，即某处的运动对另一处的运动有影响。在耦合严重的情况下，必须考虑一处的运动有影响。在耦合严重的情况下，必须考虑一些解耦措施。一些解耦措施。常用伺服控制策略常用伺服控制策略(续续)第七章第七章 机器人控制机器人控制2022/10/3014机器人特有伺服控制策略机

14、器人特有伺服控制策略 重力补偿重力补偿 在在伺伺服服系系统统的的控控制制量量中中实实时时地地计计算算重重力力项项，并并加加入入一一个个抵抵消消重重力力的的量量，可补偿重力项的影响。可补偿重力项的影响。耦合惯量及摩擦力的补偿耦合惯量及摩擦力的补偿 在在高高速速、高高精精度度机机器器人人中中，必必须须考考虑虑一一个个关关节节运运动动会会引引起起另另一一个个关关节节的等效转动惯量的变化，即耦合的问题；还要考虑摩擦力的补偿。的等效转动惯量的变化，即耦合的问题；还要考虑摩擦力的补偿。传感器的位置补偿传感器的位置补偿 在在内内部部反反馈馈的的基基础础上上，再再用用一一个个外外部部位位置置传传感感器器进进一

15、一步步消消除除误误差差，这这种系统称为传感器闭环系统或大伺服系统。（否则为半闭环）种系统称为传感器闭环系统或大伺服系统。（否则为半闭环）前馈控制和超前控制前馈控制和超前控制 前前馈馈控控制制：从从给给定定信信号号中中提提取取速速度度、加加速速度度信信号号。把把它它加加在在伺伺服服系系统统的适当部位，以消除系统的速度和加速度跟踪误差。的适当部位，以消除系统的速度和加速度跟踪误差。超超前前控控制制：估估计计下下一一时时刻刻的的位位置置误误差差，并并把把这这个个估估计计量量加加到到下下一一时时刻刻的控制量中。的控制量中。第七章第七章 机器人控制机器人控制2022/10/3015各种智能控制策略各种智

16、能控制策略 记忆修正控制记忆修正控制 (迭代学习控制迭代学习控制)记记忆忆前前一一次次的的运运动动误误差差，改改进进后后一一次次的的控控制制量量；适适用用于于重重复操作的场合。复操作的场合。听觉控制听觉控制 有有的的机机器器人人可可以以根根据据人人的的口口头头命命令令做做出出回回答答或或执执行行任任务务，这是利用了声音识别系统。这是利用了声音识别系统。视觉控制视觉控制 常常将将视视觉觉系系统统用用于于判判别别物物体体形形状状和和物物体体之之间间的的关关系系，也也可可以用来测量距离、选择运动途径。以用来测量距离、选择运动途径。递阶控制（组织级、协调级、执行级）递阶控制（组织级、协调级、执行级）最

17、最低低层层是是各各关关节节的的伺伺服服系系统统，最最高高层层是是管管理理（主主）计计算算机机；大系统控制理论可以用在机器人系统中。大系统控制理论可以用在机器人系统中。第七章第七章 机器人控制机器人控制2022/10/3016各种先进控制策略各种先进控制策略 模糊控制模糊控制 通常的模糊控制是借助熟练操作者经验，通过通常的模糊控制是借助熟练操作者经验，通过“语言语言变量变量”表述和模糊推理来实现的无模型控制。表述和模糊推理来实现的无模型控制。神经控制神经控制人工神经网络控制人工神经网络控制 神经控制便是由神经网络组成的控制系统结构。神经控制便是由神经网络组成的控制系统结构。鲁棒控制鲁棒控制 鲁鲁

18、棒棒控控制制的的基基本本特特征征，是是用用一一个个结结构构和和参参数数都都是是固固定定不不变变的的控控制制器器，来来保保证证即即使使不不确确定定性性对对系系统统的的性性能能品品质影响最恶劣的时候也能满足设计要求。质影响最恶劣的时候也能满足设计要求。第七章第七章 机器人控制机器人控制2022/10/3017滑模控制滑模控制 滑滑模模变变结结构构控控制制系系统统的的特特点点是是：在在动动态态控控制制过过程程中中，系系统统的的结结构构根根据据系系统统当当时时的的状状态态偏偏差差及及其其各各阶阶导导数数值值，以以跃跃变变的的方方式式按按设设定定的的规规律律作作相相应应改改变变，该该类类控控制制系系统统

19、预预先先在在状状态态空空间间设设定定一一个个特特殊殊的的超超越越曲曲面面，由由不不连连续续的的控控制制规规律律，不不断断变变换换控控制制系系统统结结构构，使使其其沿沿着着这这个个特特定定的的超超越越曲曲面面向向平平衡衡点点滑滑动动，最最后后渐渐近近稳稳定定至至平平衡点。衡点。学习控制学习控制 产产生生自自主主运运动动的的认认知知控控制制系系统统，包包括括感感知知层层、数数据据处处理理层层、概概念念产产生生层层、目目标标感感知知层层、控控制制知知识识数数据据库库、结论产生层等。结论产生层等。各种先进控制策略各种先进控制策略(续续)第七章第七章 机器人控制机器人控制2022/10/3018 机器人

20、学习控制系统结构图机器人学习控制系统结构图传感器层传感器层数据处理层数据处理层存储层存储层控制层控制层执行层执行层感知部分感知部分认知部分认知部分外部世界外部世界第七章第七章 机器人控制机器人控制2022/10/3019 伺服控制器伺服控制器 位置输入信号位置输入信号方向判别方向判别误差调节误差调节D/A速度控速度控制器制器功放功放负载负载直流伺直流伺服电机服电机测速电机测速电机计数码盘计数码盘位置反馈位置反馈速度反馈速度反馈直流电动机伺服传动系统原理图直流电动机伺服传动系统原理图+_第七章第七章 机器人控制机器人控制2022/10/3020电枢控制直流电机的等效电路图电枢控制直流电机的等效电

21、路图NSJeff,mLaUaRaia 机械传动等效惯量机械传动等效惯量 第七章第七章 机器人控制机器人控制2022/10/3021Jeff =Jm+n2 JL feff =fm+n2 fL 单关节驱动系统传递函数单关节驱动系统传递函数传动比传动比折合到电机轴上的总的等效惯性矩折合到电机轴上的总的等效惯性矩 Jeff 和等效摩和等效摩擦系数擦系数 feff为齿数为齿数第七章第七章 机器人控制机器人控制2022/10/3022电气部分的模型由电机电枢绕组内的电压平衡方程来描述电气部分的模型由电机电枢绕组内的电压平衡方程来描述 电机力矩平衡方程电机力矩平衡方程 机械部分与电气部分的耦合关系机械部分与

22、电气部分的耦合关系对以上各式进行拉普拉斯变换得对以上各式进行拉普拉斯变换得Ka电机电流电机电流力矩比例常数力矩比例常数Kb感应电势常数感应电势常数第七章第七章 机器人控制机器人控制2022/10/3023重新组合上式，得驱动系统传递函数重新组合上式，得驱动系统传递函数 忽略电枢的电感忽略电枢的电感La，可简化为，可简化为 其中，电机增益常数为其中，电机增益常数为 电机时间常数为电机时间常数为 单关节控制系统所加电压与关节角位移之间的传递函数单关节控制系统所加电压与关节角位移之间的传递函数 第七章第七章 机器人控制机器人控制2022/10/3024 单关节的建模与角度反馈比例控制单关节的建模与角

23、度反馈比例控制于是得到于是得到为为系统误差系统误差 进而可得进而可得式中式中kp位置反馈增益位置反馈增益，n 为传动比为传动比位置控制器位置控制器（比例）（比例）直流驱动直流驱动单关节系统单关节系统+第七章第七章 机器人控制机器人控制2022/10/3025系统传递函数推导系统传递函数推导误差驱动信号误差驱动信号E(s)与实际位移之间的开环传递函数与实际位移之间的开环传递函数 由此得系统闭环传递函数由此得系统闭环传递函数 上式表明关节机器人的比例控制器是一个二阶系上式表明关节机器人的比例控制器是一个二阶系统。当系统参数均为正时，系统总是稳定的。统。当系统参数均为正时，系统总是稳定的。位置控制器

24、位置控制器（比例）（比例）直流驱动直流驱动单关节系统单关节系统+第七章第七章 机器人控制机器人控制2022/10/3026伺服系统分块示意图伺服系统分块示意图第七章第七章 机器人控制机器人控制2022/10/30277.3 基于非线性模型的机器人解耦控制基于非线性模型的机器人解耦控制n关节机械手的封闭形式动力学方程的一般结构关节机械手的封闭形式动力学方程的一般结构当考虑关节的摩擦效应时，还应加入摩擦项，动力学方程应写为当考虑关节的摩擦效应时，还应加入摩擦项，动力学方程应写为为表示旋转关节或平移关节位移的为表示旋转关节或平移关节位移的n1向量向量;式中式中 为为nn的惯性矩阵的惯性矩阵为为n1的

25、哥氏项或向心项向量；的哥氏项或向心项向量；为为n1的重力项向量；的重力项向量；为为n1的摩擦力项向量；的摩擦力项向量；为表示旋转关节力矩或平移关节力的为表示旋转关节力矩或平移关节力的n1向量向量第七章第七章 机器人控制机器人控制2022/10/30287.3.1 基于非线性模型的线性化控制法则基于非线性模型的线性化控制法则 基本思想基本思想设设计计一一个个非非线线性性的的基基于于模模型型的的控控制制法法则则，用用它它来来抵抵消消被被控制系统的非线性；控制系统的非线性；把把系系统统简简化化为为线线性性系系统统，它它可可以以用用单单位位质质量量系系统统中中导导出出的简单的线性伺服法则来进行控制。的

26、简单的线性伺服法则来进行控制。从从某某种种意意义义上上说说，线线性性化化控控制制法法则则是是提提供供了了一一个个受受控控系系统统的的“反反模模型型”。系系统统中中的的非非线线性性与与反反模模型型中中的的非非线线性性相相抵抵消消，这这一一点点与与伺伺服服法法则则一一起起构构成成了了一一个个线线性性闭闭环环系系统。统。第七章第七章 机器人控制机器人控制2022/10/3029机械手系统方程机械手系统方程基于模型的控制法则为令基于模型的控制法则为令 并且并且于是得到完全解耦系统单位质量系统于是得到完全解耦系统单位质量系统对解耦系统实行比例微分控制，即伺服法则为对解耦系统实行比例微分控制，即伺服法则为

27、其中为设定值其中为设定值机械手机械手机械手机械手第七章第七章 机器人控制机器人控制2022/10/30307.3.2 伺服控制系统设计与分析伺服控制系统设计与分析机械手机械手第七章第七章 机器人控制机器人控制2022/10/3031非线性补偿解耦系统分析非线性补偿解耦系统分析理想情况理想情况（完全补偿，充分解耦，没有时滞）（完全补偿，充分解耦，没有时滞）显然无法做到。因为：显然无法做到。因为：1.无法精确建模，必然存在未建模动态和随机干扰；无法精确建模，必然存在未建模动态和随机干扰；2.补偿器中无法实现纯微分环节，无法完全补偿控制补偿器中无法实现纯微分环节，无法完全补偿控制对象中的时间滞后；对

28、象中的时间滞后；3.控制对象是连续时间过程，补偿器只能是离散时间控制对象是连续时间过程，补偿器只能是离散时间过程，无法完全匹配。过程，无法完全匹配。第七章第七章 机器人控制机器人控制 机器人智能控制技术机器人智能控制技术 机器人智能控制概述机器人智能控制概述 什么是智能机器人？什么是智能机器人？智能机器人是具有感知、思维和动作的机器。智能机器人是具有感知、思维和动作的机器。1.各种新型智能机器人各种新型智能机器人:(1)网络机器人网络机器人:远程控制和操作远程控制和操作.应用与医疗应用与医疗,救灾救灾,娱娱乐等领域乐等领域.(2)微型机器人微型机器人:用于医疗用于医疗.(3)高智能机器人高智能

29、机器人:超高运算速度超高运算速度,处理能力和存储容量处理能力和存储容量.但目前体积较大但目前体积较大.(4)变结构机器人变结构机器人:依照环境来变换自己的结构和运动依照环境来变换自己的结构和运动方式以适应环境方式以适应环境.第七章第七章 机器人控制机器人控制2.智能机器人的智能机器人的 产生和发展产生和发展（1）示教再现型机器人）示教再现型机器人:没有任何传感器没有任何传感器,对环境没有对环境没有感知能力感知能力.目前商品化、实用化的为此类机器人。目前商品化、实用化的为此类机器人。（2）感觉型机器人）感觉型机器人:配备简单内、外部传感器配备简单内、外部传感器,能感知能感知自身的速度、位置、姿态

30、等，具有部分适应外部环境自身的速度、位置、姿态等，具有部分适应外部环境能力。能力。（3）智能型机器人：具有多种内、外部传感器组成的）智能型机器人：具有多种内、外部传感器组成的感觉系统，对外部环境信息进行感知、提取、处理并感觉系统，对外部环境信息进行感知、提取、处理并作出适当决策。作出适当决策。此类机器人目前处于研究和发展阶段。此类机器人目前处于研究和发展阶段。智能型机器人的发展方向：类人型机器人和具有智能智能型机器人的发展方向：类人型机器人和具有智能的机器。的机器。第七章第七章 机器人控制机器人控制3.智能机器人的体系结构智能机器人的体系结构（1）视觉系统）视觉系统（2）行走机构：轮式，履带式

31、，爬行，两足式。）行走机构：轮式，履带式，爬行，两足式。（3）机械手）机械手（4）控制系统：信息融合，运动规划，环境建模、智）控制系统：信息融合，运动规划，环境建模、智能推理。能推理。（5）人机接口：话筒，扬声器，语音合成与识别系统）人机接口：话筒，扬声器，语音合成与识别系统第七章第七章 机器人控制机器人控制1.智能控制系统智能控制系统三种智能控制系统三种智能控制系统（1）人作为控制器的控制系统）人作为控制器的控制系统（2）人）人机结合作为控制器的控制系统机结合作为控制器的控制系统（3）无人参与的自主控制系统：机器人是最典型的例子。）无人参与的自主控制系统：机器人是最典型的例子。智能控制方法：

32、智能控制方法：（1）分层递阶的智能控制结构）分层递阶的智能控制结构（2）神经网络控制）神经网络控制（3）模糊控制）模糊控制 机器人智能控制技术机器人智能控制技术 第七章第七章 机器人控制机器人控制2.智能机器人系统的基本特征智能机器人系统的基本特征（1）模型的不确定性）模型的不确定性（2）系统的高度非线性）系统的高度非线性（3）控制任务的复杂性）控制任务的复杂性3.智能机器人控制系统的基本结构：分层递阶的组成结构智能机器人控制系统的基本结构：分层递阶的组成结构4.智能机器人控制系统的主要功能特点：智能机器人控制系统的主要功能特点：（1）学习功能）学习功能（2）适应功能）适应功能（3）组织功能）

33、组织功能第七章第七章 机器人控制机器人控制5.智能控制理论的主要内容和在智能机器人控制中的智能控制理论的主要内容和在智能机器人控制中的应用应用智能控制是交叉学科：人工智能，运筹学和自动控制智能控制是交叉学科：人工智能，运筹学和自动控制（1）自适应、自组织和自学习控制）自适应、自组织和自学习控制（2）知识工程）知识工程（3）神经元网络理论）神经元网络理论（4）模糊集合论）模糊集合论（5）优化理论）优化理论第七章第七章 机器人控制机器人控制面向设备的基础级面向设备的基础级常规的技术：常规的技术：PID，前馈控制，前馈控制协调级和组织级协调级和组织级智能控制方法：神经网络控制，智能控制方法：神经网络

34、控制，模糊控制，模糊神经控制模糊控制，模糊神经控制（1）神经网络控制）神经网络控制网络结构：前向网络，带反馈的网络，全连接网络网络结构：前向网络，带反馈的网络，全连接网络训练算法：误差反向传播算法，遗传算法训练算法：误差反向传播算法，遗传算法控制方式：逆控制，反馈控制，内模控制控制方式：逆控制，反馈控制，内模控制（2）模糊控制）模糊控制变量的模糊化和反模糊化变量的模糊化和反模糊化模糊规则和模糊推理模糊规则和模糊推理 机器人智能控制方法机器人智能控制方法 第七章第七章 机器人控制机器人控制（3）模糊神经控制）模糊神经控制用神经网络实现模糊控制器的全部功能：用神经网络实现模糊控制器的全部功能：5层

35、结构：第一层输入变量层结构：第一层输入变量 第二层模糊化第二层模糊化 第三层表示模糊规则的前件匹配（第三层表示模糊规则的前件匹配（IF）第四层表示模糊规则的后件（第四层表示模糊规则的后件（THEN）第五层反模糊化第五层反模糊化第七章第七章 机器人控制机器人控制1.神经网络控制神经网络控制（1）人工神）人工神经元模型的三个基本要素元模型的三个基本要素连接权连接权 连接权对应于生物神经元的突触，各个人连接权对应于生物神经元的突触，各个人工神经元之间的连接强度由连接权的权值表示，权值工神经元之间的连接强度由连接权的权值表示，权值为正表示激活，为负表示抑制。为正表示激活，为负表示抑制。人工神经元模型人

36、工神经元模型第七章第七章 机器人控制机器人控制求和单元求和单元 用于求取各输入信号的加权和用于求取各输入信号的加权和(线性组合线性组合)。激活函数激活函数 激活函数起非线性映射作用，并将人工神经元输出幅度激活函数起非线性映射作用，并将人工神经元输出幅度限制在一定范围内在限制在一定范围内在(0,1)或或(-1,1)之间。之间。第七章第七章 机器人控制机器人控制（2）神）神经网网络的的结构构 人工神经网络人工神经网络(Artificial Neural Networks,ANN)是由大量人工神经元经广泛互连而组成，它可用来模拟是由大量人工神经元经广泛互连而组成，它可用来模拟脑神经系统的结构和功能。

37、脑神经系统的结构和功能。根据连接方式主要分为两类根据连接方式主要分为两类：1)前馈型网络前馈型网络 网络中各个神经元接收前一网络中各个神经元接收前一级的输入，并输出到下一级，网级的输入，并输出到下一级，网络中没有反馈，如图所示。节点络中没有反馈，如图所示。节点分为向类，即输入单元和计算单分为向类，即输入单元和计算单元，每一计算单元可有任意个输元，每一计算单元可有任意个输入，但只有一个输出入，但只有一个输出。前馈网络前馈网络第七章第七章 机器人控制机器人控制 2)反馈型网络反馈型网络 反馈神经网络又称递归网络或回归网络。在反馈网络中反馈神经网络又称递归网络或回归网络。在反馈网络中(Feedbac

38、k NNs)，输入信号决定反馈系统的初始状态，然后系统经过，输入信号决定反馈系统的初始状态，然后系统经过一系列状态转移后，逐渐收敛于平衡状态。反馈神经网络中所有节点都一系列状态转移后，逐渐收敛于平衡状态。反馈神经网络中所有节点都是计算单元，同时也可接收输入并向外界输出，可画成一个无向图，是计算单元，同时也可接收输入并向外界输出，可画成一个无向图，如图如图(a)所示，其中每个连接弧都是双向的，也可画成如图所示，其中每个连接弧都是双向的，也可画成如图(b)所示的所示的形式。形式。单层全连接反馈网络单层全连接反馈网络第七章第七章 机器人控制机器人控制（3）神经网络的工作过程）神经网络的工作过程 神经

39、网络的工作过程主要分为两个阶段：神经网络的工作过程主要分为两个阶段：1)第第阶段是学习期阶段是学习期 此时各计算单元状态不变，各连接权上的权值可通过学习来修改；2)第二阶段是工作期第二阶段是工作期 此时各连接权固定，计算单元变化，以达到某种稳定状态。第七章第七章 机器人控制机器人控制（4）神经网络的学习方式）神经网络的学习方式1)有监督学习有监督学习(有教师学习有教师学习)有监督学习方式需要外界存在一个“教师”，它可对一组给定输入提供应有的输出结(正确答案)，这组已知的输入/输出数据称为训练样本集。学习系统可根据已知输出与实际输出之间的差值(误差信号)来调节系统参数，如图所示。2)无监督学习无

40、监督学习(无教师学习无教师学习)无监督学习时不存在外部教师，学习系统完全按照环境所提供数据的某些统计规律来调节自身参数或结构(这是一种自组织过程)，以表示外部输入的某种固有特性(如聚类，或某种统计上的分布特征)，如图所示。有监督学习有监督学习无监督学习无监督学习第七章第七章 机器人控制机器人控制3)强化学习强化学习(或再励学习或再励学习)强化学习介于上述两种情况之间，外部环境对系统输出结果只给出评价(奖或罚)而不是给出正确答案，学习系统通过强化那些受奖励的动作来改善自身性能，如图所示。强化学习强化学习第七章第七章 机器人控制机器人控制（5）神经网络的学习规则）神经网络的学习规则1)学习规则学习

41、规则(误差纠正规则误差纠正规则)若 为输入 神经元在k时刻的实际输出，表示相应的期望输出，则误差信号可写为 误差纠正学习的最终目的是使某一基于 的目标函数达最小，以使网络中每一输出单元的实际输出在某种统计意义上最逼近于期望输出。常用的目标函数是均方误差判据，定义为 式中，是统计期望算子，上式的前提是被学习的过程是宽而平稳的，具体方法可用最陡梯度下降法。第七章第七章 机器人控制机器人控制2)Hebb学习规则学习规则 Hebb提出的学习规则可归结为“当某一突触(连接)两端的神经元激活同步(同为激活或同为抑制)时，该连接的强度应增加，反之则应减弱”，用数学方式可描述为 式中，为学习速率。由于 与 、

42、的相关成比例，故有时称之为相关学习规则。在Hebb学习规则的基础上增加一个衰减项，即 衰减项的加入能够增加网络学习的“记忆”功能，并且能够有效地对权值的取值加以限制。3)竞争竞争(Competitive)学习学习 在竞争学习时网络各输出单元互相竞争，最后达到只有一个最强者激活。第七章第七章 机器人控制机器人控制（6）神经网络在控制中的主要作用）神经网络在控制中的主要作用 在基于精确模型的各种控制结构中充当对象的模型；在反馈控制系统中直接起控制器的作用；在传统控制系统中起优化计算作用；与其他智能控制方法和优化算法相结合。第七章第七章 机器人控制机器人控制（7）常见神经网络控制系统）常见神经网络控

43、制系统 1)神经网络直接逆动态控制神经网络直接逆动态控制 神经网络直接逆动态控制的两种结构方案神经网络直接逆动态控制的两种结构方案第七章第七章 机器人控制机器人控制 2)神经网络自校正控制神经网络自校正控制 神经自校正控制系统神经自校正控制系统 3)神经网络模型参考自适应控制神经网络模型参考自适应控制 第七章第七章 机器人控制机器人控制4)神经网络自适应神经网络自适应PID控制控制 被控对象具有复杂的非线性特性时难以建立精确的数学模型，且由于对象和环境的不确定性，使控制参数整定困难，尤其是不能自调整，往往难以达到满意的控制效果，采用神经网络调整PID控制参数就构成了神经网络自适应PID控制的结

44、构。神经网络自适应神经网络自适应PIDPID控制系统控制系统第七章第七章 机器人控制机器人控制2.模糊控制模糊控制（1）模糊控制的数学基础模糊控制的数学基础1）秃头悖论）秃头悖论2）基本概念：模糊集合、元素、论域、隶属度函数）基本概念：模糊集合、元素、论域、隶属度函数3）模糊集合表示方法）模糊集合表示方法Zadeh表示法表示法 序偶表示法序偶表示法第七章第七章 机器人控制机器人控制向向量表示法量表示法4）隶属度函数）隶属度函数连续型连续型离散型离散型第七章第七章 机器人控制机器人控制5）模糊语言变量）模糊语言变量 模糊语言变量是自然语言中的词或句，它的取值不是通常的数，而是用模糊语言表示的模糊

45、集合。一个语言变量可由以下的五元体来表征 (x,T(x),U,G,M)式中，x 是语言变量的名称；T(x)是语言变量值的集合；U 是x 的论域；G 是语法规则，用于产生语言变量x 的名称；M 是语义规则，用于产生模糊集合的隶属函数。第七章第七章 机器人控制机器人控制误差语言变量的五元体示意图第七章第七章 机器人控制机器人控制6）模糊蕴含关系）模糊蕴含关系 在模糊逻辑中，模糊逻辑规则实质上是模糊蕴含关系。在模糊逻辑推理中有很多定义模糊蕴含的方法，最常用的一类模糊蕴含关系是广义的肯定式推理方式即 此处，A、A、B、B均为模糊语言。对于模糊前提“如果x是A，则y是B”，它表示了模糊语言A与B之间的模

46、糊蕴含关系，记为AB第七章第七章 机器人控制机器人控制 在模糊逻辑控制中，常用的模糊蕴含关系的运算方法有以下几种，其中前两种常用。1)模糊蕴含的最小运算模糊蕴含的最小运算2)模糊蕴含的积运算模糊蕴含的积运算3)模糊蕴含的算术运算模糊蕴含的算术运算第七章第七章 机器人控制机器人控制4)模糊蕴含的最大最小运算模糊蕴含的最大最小运算5)模糊蕴含的布尔运算模糊蕴含的布尔运算式中，R为模糊蕴含关系，“”是合成运算符。对于上面介绍的广义肯定式推理，结论B 是根据模糊集合A和模糊蕴含关系AB的合成推出来的，因此可得如下的模糊推理关系第七章第七章 机器人控制机器人控制例例2-3 若人工调节炉温，有如下的经验规

47、则：“如果炉温低，则应施加高电压”，当炉温为“非常低”时，应施加怎样的电压。解：解：设x和y分别表示模糊语言变量“炉温”和“电压”，并设 x和y的论域为 X=Y=1,2,3,4,5A表示炉温低的模糊集合第七章第七章 机器人控制机器人控制B表示高电压的模糊集合表示高电压的模糊集合从而模糊规则可表述为：“如果x是A，则y是B”。设为非常A，则上述问题变为“如果x是 ，则 应是什么”。为了便于计算，将模糊集合A和B与成向量形式A=1 0.8 0.6 0.4 0.2，B=0.2 0.4 0.6 0.8 1第七章第七章 机器人控制机器人控制 由于该例中x和y的论域均是离散的，因而模糊蕴含关系Kc可用如下

48、模糊矩阵来表示当=“炉温非常低”=A2=1 0.64 0.36 0.16 0.04时第七章第七章 机器人控制机器人控制其中 中的每项元素是根据模糊关系矩阵的合成规则求出的，如第1行第1列的元素为这时，推论 结果仍为“高电压”。第七章第七章 机器人控制机器人控制（2）模糊控制系统模糊控制系统 人的手动控制决策可以用语言加以描述，总结成一系列条件语句，即控制规则。控制规则。运用微机的程序来实现这些控制规则，微机就起到了控制器的作用。于是，利用微机取代人可以对被控对象进行自动控制。在描述控制规则的条件语句中的一些词，如“较大”、“稍小”、“偏高”等都具有一定的模糊性，因此用模糊集合来描述这些模糊条件

49、语句，即组成了所谓的模糊控制器。模糊控制器。第七章第七章 机器人控制机器人控制 1）模糊控制系统的组成 模糊控制系统由模糊控制器和控制对象组成，如图所示。模糊控制系统的组成第七章第七章 机器人控制机器人控制 模糊控制器的基本结构，主要包括以下四个部分 模糊化模糊化模糊化的具体过程如下:(a)首先对这些输入量进行处理，以变成模糊控制器要求的输入量。(b)将上述已经处理过的输入量进行尺度变换，使其变换到各自的论域范围；(c)将已经变换到论域范围的输入量进行模糊处理，使原先精确的输入量变成模糊量，并用相应的模糊集合来表示。2）模糊控制器的基本结构第七章第七章 机器人控制机器人控制 知识库知识库 它通

50、常由数据库和模糊控制规则库两部分组成。(a)数据库主要包括各语言变量的隶属函数，尺度变换因子及模糊空间的分级数等。(b)规则库包括了用模糊语言变量表示的一系列控制规则。它们反映了控制专家的经验和知识。模糊推理模糊推理 模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力，是通过基于模糊逻辑中的蕴含关系及推理规则来进行的。第七章第七章 机器人控制机器人控制4)清晰化清晰化它包含以下两部分内容：(a)将模糊的控制量经清晰化变换，变成表示在论域范围的清晰量；(b)将表示在论域范围的清晰量经尺度变换变成实际的控制量。(c)清晰化方法：最大值，中位数，重心法第七章第七章 机器人控制机器人控制