(1.23)--6.2 机器人智能控制系统的基本结构及理论.ppt

《(1.23)--6.2 机器人智能控制系统的基本结构及理论.ppt》由会员分享，可在线阅读，更多相关《(1.23)--6.2 机器人智能控制系统的基本结构及理论.ppt（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1智能控制系统的典型结构如图6.2机器人智能控制系统的基本结构2该系统中，广义对象包括通常意义下的控制对象和所处的外部环境。对于智能机器人系统，机器人手臂、被操作物体及其所处环境统称为广义对象。传感器则包括关节位置传感器、力传感器或者还可能包括触觉传感器、滑觉传感器或视觉传感器等。感知信息处理将传感器得到的原始信息加以处理，如视觉信息需要经过很复杂的处理后才能获得有用的信息。认知部分主要用来接收和存储各种信息、知识、经验和数据，并对它们进行分析、解释，做出行动的决策，送给规划和控制部分。6.2机器人智能控制系统的基本结构3通讯接口除建立人机之间的联系外，也建立系统中各模块之间的联系。规划和控制

2、是整个系统的核心，它根据给定的任务要求、反馈的信息及经验知识，进行自动搜索、推理决策、动作规划，最终产生具体的控制作用，经执行部件作用于控制对象。6.2机器人智能控制系统的基本结构4美国G.N.萨里迪斯提出了智能控制系统的分层递阶的智能控制结构如图该分层递阶的智能控制系统具有两个明显的特点：（1）对控制来讲，自上而下控制的精度越来越高。（2）对识别来讲，自下而上的信息回馈越来越粗略，相应的智能程度越来越高。这种分层递阶的结构形式已成功地应用于机器人的智能控制。6.2机器人智能控制系统的基本结构5（1）神经网络控制基于人工神经网络的控制，称之为神经网络控制。神经网络控制采用仿生学的观点与方法来研

3、究人脑和智能系统的高级信息处理。神经网络控制器模仿人的形象思维，将输入和输出映射成控制信号。一旦模型建立后，在输入状态信息不完备的情况下，也能快速作出响应，进行模式识别。神经网络控制不需要数学建模。这对于智能机器人的控制来说，是十分理想的。但神经网络控制存在自学习的问题，也就是，当环境发生变化，原来的映射关系不再适用时，需要重新训练网络。6.2机器人智能控制系统的基本理论6（2）模糊控制1965年美国著名控制论学者LAZadeh首次提出一种完全不同于传统数学与控制理论的模糊集合理论，把信息科学推进到人工智能的新方向。基于模糊逻辑理论的控制方法，称之为模糊控制。1986年，世界上第一块基于模糊逻

4、辑的人工智能芯片在著名的贝尔实验室研制成功。事实表明，模糊理论具有强大的生命力和广阔的应用前景。模糊理论之所以能在信息时代获得如此迅速的发展，是由于它为信息革命提供了一种新的富有魅力的数学工具与手段，具有许多优点。6.2机器人智能控制系统的基本理论7l模糊理论给出了一种表现自然语义的理论和方法，使自然语言能够转化为成机器可以“理解”和接受的东西，提高了机器的灵活性。l模糊理论给出了模糊逻辑和近似推理的理论和方法，用简单的软、硬件可以使机器更“聪明”、智能化程度更高。l模糊理论的应用面广。6.2机器人智能控制系统的基本理论8（3）模糊神经控制神经网络的输入输出映射关系表现为一种权值矩阵，不容易被

5、理解，模糊系统具有自然语言的表达能力。模糊神经控制系统是神经网络技术与模糊逻辑控制技术相结合的产，是基于神经网络的模糊控制方法。常规的模糊神经控制方法是指用一个神经网络实现常规模糊控制器的功能，根据神经网络实现的模糊逻辑控制功能范围大致可分为两种：种是神经网络实现模糊控制规则及模糊推理，另一种则由神经网络实现全部模糊逻辑控制的功能。前者是一种局部网络化的结构，后者是一种全网络化的结构。局部网络化结构的常规模糊神经控制器如图所示。6.2机器人智能控制系统的基本理论9在定义了偏差、偏差变化率和控制作用三个语言变量的语言值及其隶属函数，并建立了模糊控制规则后，就可以把这些规则变换为神经网络的一组输入、输出样本。采用反向传播（BP）学习算法训练神经网络，调整网络权值，使得网络实现这组样本所对应的输入输出映射。6.2机器人智能控制系统的基本理论