機器人控制技術論文

　　機器人控制技術使機器人完成各種任務和動作所執(zhí)行的各種控制手段。下面是學習啦小編整理的機器人控制技術論文，希望你能從中得到感悟!

　　機器人控制技術論文篇一

　　水下機器人智能控制技術研究綜述

　　【摘要】水下機器人的運動控制是當今世界水下機器人研究領域的一個研究熱點，目前主要采用的智能控制方法有：模糊控制、神經網絡控制、專家控制、自適應控制、PID調節(jié)器、滑?？刂频?。本文比較全面地查閱了水下機器人運動控制理論相關的文獻，闡述了幾種主要控制方法的基本原理，給出了控制器結構的設計方法，對水下機器人運行控制方法的選取、控制器的設計具有較好的參考意義。

　　【關鍵詞】水下機器人;控制技術;神經網絡控制;模糊控制;自適應控制

　　1.引言

　　水下機器人的運動控制是其完成特定任務的前提和保障，是水下機器人關鍵技術之一。隨著水下機器人應用范圍的擴大，對其自主性，運動控制的精度和穩(wěn)定性的要求都隨之增加，如何提高其運動控制性能就成了研究的一個重要課題。導致AUV難于控制的主要因素包括：①水下機器人高度的非線性和時變的水動力學性能;②負載的變化引起重心和浮心的改變;③附加質量較大，運動慣性較大，不能產生急劇的運動變化;④難于獲得精確的水動力系數;⑤海流的干擾。這些因素使得AUV的動力學模型難以準確，而且具有強耦合和非線性的特點[1]。目前已被采用的控制方法有：模糊控制、神經網絡控制、專家控制、PID控制、自適應控制、S面控制等[2]。

　　2.模糊控制

　　模糊控制是一種仿人的智能控制方式，它模仿和升華了人的控制經驗與策略并將其體現在控制器中[3]。模糊控制器不依賴于被控制對象的精確數學模型，易于對不確定性系統(tǒng)進行控制，模糊控制器抗干擾能力強，響應速度快，并對系統(tǒng)參數的變化有較強的魯棒性，模糊控制的實質是將基于專家知識的控制策略轉換為自動控制策略。它所依據的原理是模糊蘊涵概念和復合推理規(guī)則。通常它以被控對象輸出變量的偏差和偏差的變化率作為輸入變量，而把被控量定為模糊控制器的輸出變量，反映輸入輸出語言變量與語言控制規(guī)則的模糊定量關系及其算法結構[4]。實際應用中把采集到的控制信息經語言控制規(guī)則進行模糊推理和模糊決策，求得控制量的模糊集合，再經模糊判決得出輸出控制的精確量，作用于被控對象，使被控過程達到預期的控制效果。模糊控制器一般由模糊化接口、知識庫、模糊推理機、解模糊接口四個部分組成。如圖1所示：

　　2.1 模糊自適應PID控制

　　PID控制算法中的比例控制動態(tài)響應迅速，不能消除靜態(tài)誤差。積分控制可以消除穩(wěn)態(tài)誤差，動態(tài)響應速度慢。如果在PID控制系統(tǒng)中加入模糊控制器，組成模糊PID控制，模糊PID控制系統(tǒng)是把PID控制和模糊控制的優(yōu)點結合起來。既能有很快的響應速度，又能保證很好的穩(wěn)態(tài)。模糊PID控制是首先將工程師長期實踐積累的經驗知識用控制規(guī)則模型化，然后進行模糊推理，得到最佳的PID控制參數。模糊PID控制器輸入量是偏差E和偏差變化率Ec，按照設定的模糊規(guī)則進行模糊推理演算，查詢模糊矩陣表，對PID控制參數Kp、Ki、Kd進行在線修改，從而使被控對象具有良好的動、靜態(tài)性能，控制系統(tǒng)結構如圖2所示。

　　2.2 基于模糊原理的改進S面控制

　　S面控制器在方程的形式上和PD控制很相似，但與PD控制器不同的是，S面控制方法采用非線性函數來擬合具有強非線性特性的控制對象，控制效果好于PD控制器;跟神經網絡控制相比，S面控制方法的穩(wěn)定性明顯好于前者;跟模糊控制相比，S面控制方法沒有局部調整功能，其局部性能不如模糊控制，但其結構設計和參數調整都更加簡單實用，而且S面控制方法體現出來的控制思想和模糊控制是吻合的。因此，S面控制方法具有一定的實用性。S面控制器的控制模型盡管魯棒性好，但本質上是一種PD控制器，系統(tǒng)穩(wěn)態(tài)精度差。而且參數K1和K2是根據經驗和在實際試驗中總結得到的，在大部分時間內不改變，顯然這對于多變的環(huán)境來說適應性不是很好。因次，運用模糊原理對S面控制的兩個參數K1和K2進行在線調整，如圖3所示。

　　改進的S面控制器很好的處理了在不同的外界輸入下，參數K1，K2的在線自我調節(jié)問題，使控制結果更快地到達穩(wěn)態(tài)，并且保證最小的超調和穩(wěn)態(tài)誤差。試驗證明改進的S面控制器具有更好的控制精度，更快的響應速度和較強的抗干擾能力，較之普通的S面控制器改善了水下機器人的工作性能。

　　3.神經網絡控制

　　將神經網絡引入控制系統(tǒng)是控制學科發(fā)展的必然趨勢[5]，神經網絡的吸引力在于：

　　(1)能夠充分逼近任意復雜的非線性系統(tǒng);(2)能夠學習和適應高度不確定系統(tǒng)的動態(tài)特性;(3)由于大量神經元之間廣泛連接，即使有少量單元或連接損壞，也不影響系統(tǒng)的整體功能，表現出很強的魯棒性和容錯性;(4)采用并行分布處理方法，使得快速進行大量運算成為可能。這些特點顯示了神經網絡在解決高度非線性和嚴重不確定性系統(tǒng)的控制方面具有很大潛力[6]。

　　逆控制方法中最常用的是直接逆控制，它是將受控系統(tǒng)的逆模型直接與受控系統(tǒng)串聯(lián)，組成偽單位系統(tǒng)，使受控系統(tǒng)的輸出等于期望輸出。在控制以前，首先要選擇適當的訓練方式求得逆模型，即使神經網絡由初始的無知識狀態(tài)到學得。復合控制方法結合閉環(huán)逆控制和開環(huán)逆控制的優(yōu)點，利用誤差和輸入共同控制系統(tǒng)，結構如圖4所示：

　　4.神經網絡PID控制

　　將神經網絡控制與PID調節(jié)器結合，融合各自的優(yōu)點，可得到性能更好的控制器，如圖5所示：

　　神經網絡PID控制根據系統(tǒng)的運行狀態(tài)，調節(jié)PlD控制器的參數.以期達到某種性能指標的最優(yōu)化。即使輸出層神經元的輸出狀態(tài)對應于PID控制器的三個可調參數kp，ki，kd。通過神經網絡的自身學習、加權系數調節(jié)，從而使其穩(wěn)定狀態(tài)對應于某種最優(yōu)控制規(guī)律下的PID控制器參數。輸入層的輸入r(t)與輸出c(t)比較后產生的誤差e(t)作為輸入量S送到BP網絡中進行處理，經過訓練后來調整PID控制器的三個參數，從向使被控對象發(fā)生相應的變化而獲得較好的控制性能。

　　5.專家控制 　　專家控制是智能控制的一個重要分支，又稱專家智能控制。專家控制的粗略定義為：將專家系統(tǒng)的理論和技術同控制理論方法與技術相結合，在未知環(huán)境下，仿效專家的智能，實現對系統(tǒng)的控制。專家控制器建立之前，從特定領域的控制專家那里獲取足夠的控制知識，以及操作工人的經驗知識，并把這些知識進行處理，變換成機器能夠接受的語言。這些經過處理的知識送入知識庫中儲存，并且送入推理機，推理機調用知識庫中的知識(或規(guī)則)進行推理，經過推理的知識一方面存入知識庫，另一方面輸出到控制規(guī)則集，與控制規(guī)則集中的控制規(guī)則相匹配，對控制對象進行控制?？刂茖ο蟮妮敵龇答伒叫畔@取與處理單元，成為反饋信息，與設定值相比較后作為新信息重復以上步驟，不斷檢側，不斷獲得新信息，不斷進行控制輸出，實現實時性調整。一般情況下專家控制器由信息獲取與處理、知識庫、推理機構和控制規(guī)則集四部分組成，如圖6所示：

　　按照專家控制器在整個智能控制系統(tǒng)中的作用，專家控制系統(tǒng)分成直接專家控制系統(tǒng)和間接專家控制系統(tǒng)兩類。

　　5.1 直接專家控制系統(tǒng)

　　直接專家控制系統(tǒng)根據測量到的過程反饋信息及知識庫中的規(guī)則，導出每一采樣時刻的控制信號，直接控制被控對象，一般用于高度非線性或過程描述困難的場合。很明顯，專家控制器直接包括在控制回路中，控制器直接模仿人類專家或人類的認知能力。直接專家控制系統(tǒng)結構如圖7所示。

　　5.2 間接專家控制系統(tǒng)

　　相對于直接專家控制系統(tǒng)，間接專家控制系統(tǒng)將算法與邏輯分開，系統(tǒng)的最底層可以是簡單的PID、模糊控制等算法，然后將這種算法配上自校正、增益自動調度以及監(jiān)控等。根據一些規(guī)則實現的啟發(fā)性知識，使不同功能算法都能正常運行。這種專家控制的最大特點就是專家系統(tǒng)間接地對控制信號起作用。間接專家控制系統(tǒng)結構如圖8所示。

　　控制器可由一系列的控制算法和估計算法組成，如PID、PID校正器、最小二乘遞推估計算法、極點配置自校正算法、模糊算法等。而專家系統(tǒng)可以用來協(xié)調所有算法;根據現場過程相應情況和環(huán)境條件，利用知識庫中的專家經驗規(guī)則，決定什么時候使用什么算法;也可以用來調參，根據知識庫中的專家經驗規(guī)則，調整PID參數或是模糊算法中的量化因子等。除此之外，還可以調整控制器的結構。

　　5.3 專家s面控制

　　專家s面控制是將專家系統(tǒng)技術與s面控制相結合的一類智能控制。它是基于專家知識的間接專家控制系統(tǒng)，它運用人的經驗知識及求解控制問題時的啟發(fā)式規(guī)則來構造控制策略，根據系統(tǒng)的性能在線調整K1、K2和Ki，從而使系統(tǒng)性能達到令人滿意的水平。專家s面控制器是一個二級實時智能協(xié)調控制器，即由基本控制級和專家智能協(xié)調級組成[7]，如圖9所示。

　　基本控制級采用s面控制器，與被控對象形成閉環(huán)完成實時控制;專家智能協(xié)調級包括數據庫(存放誤差、誤差變化率的閾值，K1、K2的調整范圍及各組調整參數)、知識庫(常規(guī)產生式規(guī)則)和智能協(xié)調器(推理機)，在線實時監(jiān)測控制系統(tǒng)性能，根據系統(tǒng)的知識及證據，經推理機求解在線調整s面控制器參數，從而有效地進行控制。

　　6.自適應控制

　　自適應控制算法應用于水下機器人的控制有很大的優(yōu)點，因為自適應控制器能使系統(tǒng)更好的適應環(huán)境和機器人本身動力學特性的變化，而且有許多將自適應控制應用到水下機器入的成功實例。自適應控制器與普通控制器的區(qū)別在于自適應控制器的參數是變化的，并且有一個根據系統(tǒng)中的信號自動在線校正這些參數的機制。自適應控制系統(tǒng)主要可以分為兩大類：一種是所謂的模型參考自適應控制方法，另一種是所謂的自校正方法。模型參考自適應控制方法是從確定自動伺服系統(tǒng)的最優(yōu)控制中發(fā)展起來的。一般地說，模型參考自適應控制系統(tǒng)可由圖10表示。

　　它由四部分組成：帶有未知參數的被控對象、參考模型(它描述控制系統(tǒng)的期望輸出)、帶有自校正參數的反饋控制規(guī)律和校正參數的自適應機制。在模型參考自適應控制中，更新參數是為了使得被控對象和參考模型之間的跟蹤誤差最小。

　　7.結束語

　　通過對水下機器人幾種主要的運動控制方法的討論，各種方法都存在自身的優(yōu)點和局限，這就要求在進行控制系統(tǒng)設計的前期控制方法選擇和控制結構設置時，應充分了解特定控制對象的特點及對控制性能的要求，并結合控制器方法可行性、成本等諸方面進行考慮，從而正確選擇控制方法。在有必要時應對兩種或多種方法加以結合，隨著智能控制技術的發(fā)展也會形成新的控制算法和控制策略，以達到理想的控制效果。

　　參考文獻

　　[1]朱旭光.AUV的改進滑模變結構控制技術研究[D].哈爾濱工程大學學位論文，2008，1.

　　[2]肖濤.基于Backstepping方法的水下機器人自適應滑?？刂萍夹g研究[D].哈爾濱工程大學學位論文，2009，3.

　　[3]田宇.水下機器人智能運動控制技術研究[D].哈爾濱工程大學學位論文，2007，1.

　　[4]尚游，徐玉如.基于模糊邏輯的智能水下機器人運動控制技術的研究[C].中國第五屆機器人學術會議論文集，1997.

　　[5]甘永.水下機器人運動控制系統(tǒng)體系結構的研究[D].哈爾濱工程大學學位論文，2007，5.

　　[6]張子迎.水下機器人運動控制方法研究[D].哈爾濱工程大學學位論文，2005，2.

　　[7]劉建成，于華男，徐玉如.水下機器人改進的S面控制方法[J].哈爾濱工程大學學報，2002，23(1)：33-36.

　　作者簡介：晏剛(1982—)，男，碩士，研究方向：嵌入式控制系統(tǒng)硬件、軟件，水下機器人智能控制。

點擊下頁還有更多>>>機器人控制技術論文