关键字 |
| 软链接操作器、ANFIS控制器、LQR控制器、PID控制器、高频模式 |
一.约束 |
| 先进机器人系统软链路机器人臂提高机器人性能的愿望导致设计较轻软链接光软链路机器人臂比传统硬链路机器人多长,如低功耗、高载荷对机器人权比、低制造成本和易运数由于弹性机器人臂弹性化,控制器算法不同于传统僵硬机器人臂法 |
| 软链接机器人臂系分布式参数系统无限排序系统内存在大数(无限数)振荡方式使问题难解难解模式从两种方式变得重要:第一,因为振荡本身延长沉淀时间;第二,因为试图主动控制某些模式导致其他模式不稳定非线性行为结构高速化,首先降低端点精度,第二复杂控制器开发此外,这种控制系统性能主要取决于操作期间的参数传统模型控制弹性操作器系统这些局限性刺激开发智能控制机制,包括自适应控制、神经网络和模糊逻辑控制器 |
| 已知弹性系统高度非线性并密系统,精确数学模型[1]难以获取,从而使使用传统技术难以控制改进对没有先知动态的操纵者控制,例如模糊逻辑或神经网络控制近些年来引起极大关注 |
| 神经网络控制器[2]无一例外包括神经网络,该网络经过训练以某种方式建模工厂逆向动态枢纽位置和速度测量用于稳定系统,并提议神经控制器驱动弹性臂跟踪理想轨迹然而,这项工作仅限于软链路操作器线性模型另一缺陷是期望输出与实际输出之间的误差与网络训练无关或控制期间无关专用学习机制中,工厂期望输出和实际输出错误必须通过工厂反向传播以调整网络权重,这不是简单程序实现训练速度可能缓慢或可能干扰工厂运维 |
| 为了克服上述困难,Donne & Ozguner[3]建议神经控制器假设部分了解弹性链路动态未知部分动态通过监督学习算法识别控制器分两个阶段构造,最优控制器和不受监督神经网络控制器使用模型预测控制系统基础识别阶段也需要系统状态反馈 |
| 开发神经网络以利用神经网络非线性接近能力解决复杂非线性系统识别控制问题。4中修改版神经网络用于识别和控制非线性动态系统RFNN是一个复用多层连接器网络实现模糊推理并可用一组模糊规则构建 |
| 5项中建议两种不同的计划-一种配有自适应状态反馈控制器,另一种配有自适应进取前向控制器.在自适应反馈配方中,实际状态用于计算函数近似函数基值以更新参数并注销非线性另一方面,在自适应进料前方配方中,使用期望状态而不是实际状态[6]开发神经网络联机学习控制并实时实现神经网络通过更新反馈控件输入前向动态学习控制操作者跟踪误差比传统PID控件减少85%这种方法在各种应用中具有高度泛泛性和适配性,并将成为不受约束环境中工作机器人学习控制的宝贵方法 |
| [7]中显示神经网络控制器性能模拟实验结果,以跟踪软链路操作器的端位控制器使用修改输出重新定义法设计修改输出重定义方法仅需要先验系统线性模型知识,不先验有效载荷质量知识。神经网络由两部分组成动态复用识别网用于识别操作器系统输出值,动态复用网用于自动学习模糊逻辑控制器加权分数并计算适当值正确操作模糊逻辑控制器. in[9]显示速度控动器调效优于软单链路机器人托克控动器 |
| 论文PID、LQR和ANFIS控制柔性操纵器ANFIS控制器综合PID控制器和模糊神经网络控制器,根据PID控制器输出改编 [10] |
二. 可扩展连通程序 |
| 常规自动控制系统设计往往需要构建数学模型,最能描述受控工厂的动态行为,并应用分析技术生成适当的控制法通常,数学模型由定线性或非线性微分方程组成,其中大多数使用近似和简化形式推导出传统模型控制技术分解时,因不确定性或单纯复杂性难以获取代表性模型已知机器人系统高度非线性并密并难获取精确数学模型,因此难用传统技术控制论文展示单链软操作器数学建模系统仿真Lagrange配方和模型扩展法 |
| A.易燃连通程序模拟 |
| 操纵者图文无图并仿真无板软波束 有效载荷端光束可自由弯曲横向平面,但在垂直弯曲和翻腾方面被视为僵硬模型使用Lagrange配方和模型扩展法开发时间长度假设不变,剪切变形、旋转惯性和轴力效果被忽视中心O的惯性瞬时用jf表示,p线性质量密度矩形移位操作符移动xOy平面表示+++宽度假设大于厚度,允许它横向振动剪切变形和旋转惯性效果被忽视 |
 |
| 角置换+++xt总置换uxt可描述为以上函数,从Ox方向测量 |
| xxxxlll |
| 系统动能可写成 |
 |
| eqn市右手端第一词由中枢惯性产生,第二词由操纵者旋转源码产生,第三词由有效载荷质量产生 |
| 潜在能量与操纵者弯曲相关由于所考虑操纵器宽度假设比厚度大得多,剪切置换效果可能被忽略以这种方式,操作者的潜在能量可以写成 |
 |
| 去哪儿 |
| E表示波束材料弹性模数 |
| 指射束剖面第二刻 |
| 非保守性输入托克T工作可写为 |
| W=T(4) |
| Lagrangian系统编译 |
| L=T-V(5) |
| 汉密顿扩展原理使用eqn描述的方程(6) |
 |
| 去哪儿 |
| t1和t2两次任意 |
| 操纵Eqn- (6)产生操纵者虚拟工作运动方程 |
 |
| 动态方程操作者描述 |
 |
| 使用假设模式法,可分线性组合获取运动程序动态方程的解决方案,即可接受函数ix和视时通用坐标qi |
 |
 |
| 替代eqn(10)注入eqn(7)应用边界和初始条件eqn(9)下普通微分方程可导出 |
 |
 |
 |
三. 自主控制器 |
| PID、LQR和ANFIS各类高级控制器下文讨论 |
| A.PROPORTIONAL-INTEGRAL-DIFFERENTIAL (PID) CONTROLLER |
| PID控制器是一个泛循环反馈器(控制器),广泛用于工业控制系统PID控制器试图纠正测量过程变量和期望定点之间的错误,计算并触发纠正动作,可相应快速调整过程,以最小化错误 |
 |
| 如果错误选择pID控制器参数,受控进程输入可能不稳定,即输出有或无振荡并受饱和或机械破解限制调控循环调整控制参数以优化值实现理想控制响应 |
| 有几种方法调优PID环路最有效方法通常包括开发某种形式的进程模型,然后根据动态模型参数选择P、I和D人工调优方法相对无效方法选择主要取决于循环能否脱机调试和系统响应时间系统脱机时,最优调法往往包括系统输入级变换、输出测时并用响应判定控制参数 |
| PID控制器计算包含三大参数比例值,积分值和衍生值比例值判定对当前错误的反应,积分值判定基于最近差错总和的反应,衍生值判定基于差错变速率的反应这三个动作的加权和值通过控制元件调整过程,如控制阀位或加热元件供电 |
| 某些应用可能要求只使用一或两种模式提供适切系统控件实现此目标的方法是将不理想控制输出增益设为零PID控制器将被称为PI、PD、P或I控制器PI控制器特别常见,因为衍生动作对测量噪声非常敏感,而缺少积分值则可能妨碍系统实现控制动作目标值 |
| .b.Lineaqudratic控制器 |
| 最优控制理论关乎以最小成本操作动态系统系统动态用线性微分方程描述和成本用四维函数描述LQ问题线性多变系统最佳控制问题和二次标准函数是线性系统理论中最常见的问题之一定义如下: |
| 置置完全可控电厂 |
 |
 |
| 假设Q确定矩阵选择QVxeqn(19)总是负确定性最优反馈系统即时稳定可控制性(A,B)对和正确定性充分条件,使控制问题非同步最优解决办法得以存在 |
| 设计步骤可表述如下: |
| 解决矩阵riccattieqn29确定矩阵P |
| 将矩阵P转换成eqn和生成方程提供最优控制法 |
| 这是一种基本和众所周知最优控制理论Q和R定义后 eqn解决29规范最优控制法eqn公元18年产生最优闭环系统 |
| C.适配NEURO-FUZY系统控件 |
| 模糊逻辑比传统逻辑系统更接近人性思维和自然语言提供一种方法把语言控制策略转换成自动控制策略模糊逻辑处理不精确和前后不一现实数据的能力使它适应各种应用特别是,当过程太复杂无法用传统量化技术分析时,或当可用信息来源被定性解释时、不精确解释时或不确定时,模糊逻辑控制器方法似乎非常有用。混淆逻辑控制可被视为向传统精确数学控制与人-像决策一样-相近迈出的一步 |
| 非广泛使用模糊逻辑控制的主要问题之一是难以选择和设计成员函数以适应特定问题尚缺系统程序选择成员函数类型和变量范围摸摸控制器试误常令性能满意神经网络有能力识别系统特征,从输入输出数据中提取系统特征神经网络学习能力可与模糊逻辑系统控制能力合并产生神经模糊推理系统最近提出了自适应神经模糊推理系统建议[7],显示该系统有极佳数据预测能力 |
| 以网络为基础的适配模糊推理系统为基础构建一套fudy-then规则并配有适当的成员函数生成规定输入输出对混合控制器综合系统ANFIS和PID控制器架构称ANFIS,表示适配神经模糊推理系统 |
| furis推理系统使用BP神经网络结构3级由五层组成i=12.3.层1内有节点函数M |
 |
| 节点函数M1、M2.Mq等值成员函数mx高斯形状函数典型选择可调整参数判定这些节点函数的方位和形状被称为他的假设参数极节点2输出 所有接收信号的产物 |
 |
| 每一个节点输出表示推理规则的点火强度3层中,规则中的每一强点都与所有强点之和作比较正常点火强度计算 |
 |
| 4层执行求求式推理系统,即线性组合ANFISx1x2.xp加常数c2c3c节点输出加权和 |
 |
| 参数P1、P2.P1和C2.c5层节点生成输入总和,即使用加权平均法混淆系统进程 |
 |
| 故障控制系统设计有两种难点:成员函数形状和模糊规则选择决策逻辑即控制器输出生成方式使用输入模糊集并按输入值决策知识库还包含应用域知识及随附控制目标知识由数据库和模糊控制规则库组成 |
| 控制系统据说是一个自适应模糊控制系统,如果用一套模糊规则修改成员资格函数和/或规则混淆化使用成员函数判定输入度控制动作的目的是尽量减少旋转误差越高错误控制输入越高差错率还影响控件输入值 |
| 混淆化使用成员函数判定输入度控制动作的目的是尽量减少旋转误差越高错误控制输入越高差错率还影响控件输入值模糊逻辑控制器使用错误控制规则作为语言变量 |
 |
| 网络自适应推理系统(ANFIS)由用户创建成员数和类型函数不明推理系统规则基础由ANFIS自动获取高斯类型成员函数用于系统模糊化过程的模糊输入素格诺型模糊推理系统被采纳,所以这些输出通过给定培训检查数据集 |
四. 聚合结果和讨论 |
| 本文模拟单链路操作器两种操作模式选择两种模式的理由是显示控制器对单链路操作器不同状态的兼容性两种性能模式使用PID、LQR和ANFIS控制器设计观察消除端点链路振荡应用控制器并用ANFIS和PID控制器ANFIS培训使用自适应学习算法进行 |
| 单软链接操作器模式1和模式2步响应操作模拟性能见下图4和无花果5 |
 |
 |
| 单软链接操作器性能观察到稳态误差,最大超amperes射击并分秒沉定与不同控制器不同模式操作并显示于表三中观察到常态误差和最大超射法与高级控制器LQR和ANFIS消除两种操作模式,而最小安插时间则由ANFIS控制器帮助实现,后者建建在模糊和PID控制器上。表四显示时间绝对错误、综合绝对错误和综合时间错误的积分和运行方式表四显示红色,当控制器为ANFIS时,单软链接操作器双步响应模式下所有积分错误都少得多 |
 |
五.结论 |
| 论文显示PID控制器不为系统创建合适的阶梯响应强烈瞬态振荡和高超射线是这种控制器的缺陷此外,该控制器参数不变,不适配系统动态变化LQR控制器中,即使没有超拍沉浸时间也略高一些。由ANFIS控制,模式1振荡幅度介于零值约0.001并改成潮流,模式2振荡幅度介于零值约0.0025自振荡振荡持续以来,并为了提高系统瞬态响应,设计并模拟ANFIS控制器与系统很明显,ANFIS控制单链路柔性操纵器的振动已经减慢 |
引用 |
- KorayemMH.和Basu A.,Actection和数解弹性机器人动态最大载荷容量,Robitica卷12页253-261,1999
- 成W温J神经网络国际会议Vol2页749-754,1993
- 唐内J公元前iEE神经网络国际会议vol.4,第2327-2332页,1994年
- 李CH.和TengCC.C.识别控制动态系统使用频发神经网络8号4页349-366,2000年
- 中西J和SchaalS.sfeed回溯错误学习和非线性自适应控制17号10页14531465,004
- 陶德牛顿RYangshengxu和EIEE国际会议机器人自动化实时实施神经网络学习控制135-141,1993
- 台南市CollinsC.Adapitive神经故障控制15号10页1305-1320,2005年
- 托夫斯DE.VuerinckxR.SeweversJscoukes J.Choucens CentracySystem vol.6No.1,pp2-14,1998年
- 台比........派特尔RV.Neural网络控制程序11号7-8页1357-1377,1998
- FarivarF.AliyarishoredeliM.TeshnehlabM和NekouiMA.Hybrid控制柔性操纵器9号4页639-650,2009年
|
菜单类
