智能控制在工业机器人中的应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第 17 卷Βιβλιοθήκη Baidu2017 年
第4期 4月
中 国 水 运 China Water Transport
Vol.17
April
No.4 2017
智能控制在工业机器人中的应用
田玉冬，柳先鹤
（上海理工大学 机械工程学院，上海 200093） 摘 要：随着科学技术和社会技术的发展，机器人技术都得到了很大的发展，适用的领域越来越多，以前的传统控
制理论已经不能够满足当前生产加工的复杂系统对控制系统的要求，从认识论和方法论的角度、交叉学科、控制对 象、系统设计方面分析智能控制和传统的控制方法在机器人方面的区别，并从各个方面说明智能控制的开放的、分 级的、分布式的结构。智能机器人有较强的综合处理信息的能力，本文设计的自适应神经控制器对闭环控制系统有 界的一致可以实现，而且在稳定的控制过程中，沿着周期或回归跟踪轨迹对部分神经网络的权值的收敛性能够完成 和未知闭环系统的部分的精确确逼近，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，能够拿来改善系统的控制性能，在以后类似的任务在中也可以应用，有节省时间和减少能量的消耗的好处。仿 真验证了所设计控制算法的正确性和有效性。 关键词：智能控制；自适应神经控制；机器人 中图分类号：G434 一、智能控制的现状和进展 智能控制：组织层、协调层和执行层。现如今在自动化 领域方面，智能控制在国内外十分活跃和挑战性，也是一门 新兴的交叉学科，它与多个领域都有着很紧密的关系，包括： 人工智能、自动控制、计算机科学、模糊数学、神经网络理 论、模式识别、信息论、仿生学和等等，应用前景十分广阔， 在工业自动化、冶金和化工过程控制、电力系统与核电安全 运行、智能机器人、智能通信网络、仪器仪表、家电行业等 领域已经在广泛的应用。当前该系统主要包括自适应控制系 统、模糊控制系统、神经网络控制系统、自学习控制和专家 控制系统等。 二、智能控制的分类 1．自适应系统 自适应控制系统是非线性控制系统，但它是其中的一个 特殊形式。该系统在工作中可以最大程度的提高工作质量， 获取当中的有关信息并改变相关的参数。自适应控制系统包 括四部分：基本的调节控制反馈回路、系统的准则给定、实 时在线辨识和实时修正调整机构。 文献标识码：A 文章编号：1006-7973（2017）04-0084-05 系统框图如图 1 示，工作过程：测出输入输出值，依据 输入输出值分辨动态特性，把这些动态特性与期望的进行比 较，从而决定怎样控制器的参数和结构，从而使系统的性能 可以最优，控制方式通过适应的机构输出的信号来改变，工 作过程是：辨识、决策、控制。 2．模糊控制系统 模糊控制是人们通过自然语言来表达控制的过程然后再 借助计算机来进行模拟的控制的过程，从而控制的自动化。 因计算机智能化的程度还没有达到理想中的要求，所以将控 制过程描述成计算机可以识别的语句、规则等相关的信息， 然后作出判断。 ，基本思想可以概括为：把专家被控对象的控 制策略归纳成一系列的“IF（条件）和 THEN（作用） ”形式 的控制规律，作用于被控对象或过程，结构如图 2 所示。 计算机控制过程步骤： （1） 依据实际的情况取样， 然后把得到的信息转成计算 机能识别的信息。 （2） 依据计算机内事先规定好的判断规则， 对所收集的 信息进行对比判断，并进行相应调整，得出相应的决策。 （3） 调整完成后将最后得出的结果输出给被控对象，从 而达到控制。 模糊控制的优点： （1） 在操作人员控制经验基础上进行控制， 不用建数学 模型，可以有效的解决不确定性系统。 （2） 具有较强的鲁棒性， 被控对象参数的改变的影响不 大，所以在非线性、时变、时滞系统的控制方面应用很广。 图1 自适应控制系统典型结构 （3） 控制机理与对过程控制的直观描述和思维逻辑十分
田玉冬等：智能控制在工业机器人中的应用
85
指一个（或一组）能在某种特殊领域内，在遇到比较棘 手的问题时，可以像现实生活中的专家一样来解决问题的一 种程序。通过长期的学习和探索逐步积累非常丰富的专业知 识和经验，在解决一些领域中的难题时起到了不可替代的重 要作用。 专家系统使用计算机模型来处理在生活中需要专家做出 解释的那种难以解决的难题，并得出与专家相同的结论。专 家系统是一个和传统的程序系统有区别的计算机程序。 三、神经网络控制的应用 自适应神经网络控制在机器人控制中的研究已经十分的 广泛了，现阶段已经有了大量的研究成果文献[1-7]。例如：文 献[1]引进滤波器跟踪误差，依据机器人动态来设计自适应神 经控制器，使闭环系统中的信号都能最终一致有界；文献[2] 使用线性观测器，非线性动态的未知的机械臂设计自适应神 经控制器，控制好跟踪误差，观察误差的和神经网络权值都 有界；文献[3]将神经网络控制与滑模控制相结合，对机械臂 渐进跟踪控制；文献[4]利用神经网络为闭链双臂机器人设计 了力/位置协调控制方案，达到了双重控制效果；文献[5]针对 柔性关节机器人操作手的轨迹跟踪问题，提出了一种基于奇 异摄动理论的机械臂神经网络控制设计方法。 本文基于机械手臂设计的自适应神经控制器是基于机械 手臂来设计的，控制过程中沿周期或回归参考轨迹完成了对 未知闭环系统动态的学习，它的表达是通过时间不变和空间 分布的方式来完成的，存储方式为常值神经网络权值。最后 在证明所提控制算法的正确性和有效性的过程中，使用的是 三连杆平面机械臂的仿真结果。 一个 n 关节机械臂，考虑摩擦力的动力学方程[10]
+ Vm (q, ) q + F(q ) + G(q) = τ M(q) q q
图2 缺点：
模糊控制的一般结构
（1）对信息简单的模糊处理来说， 会使系统控制精度降 低，同时动态品质也会变差，无法定义控制目标。 （2）没有完善的系统分析技术， 还不能证明模糊控制系 统的稳定性。 3．神经网络控制系统 当前人们还不能完全理解大脑思维、意识和精神活动， 但已能从神经结构和和细胞体构成的水平初步探明大脑的组 织特征和认知机理。神经网络是对生物神经系统功能的模拟 而非结构的模拟。神经网络作为多学科交叉融合的前沿研究 技术，具有充分逼近任意复杂的非线性能力、并行分布处理 能力、自适应能力、自学习能力、较强的鲁棒性和容错能力 等，并且广泛地应用于信息处理、模式识别、智能控制、容 错诊断等各个领域。 神经网络模型用于模拟人脑神经元活动的过程，其中包 括对信息的加工、处理，存贮和搜索等过程，它具有如下特 点： （1）神经网络存储信息的方式为分布式， 局部网络受损 时，原来的信息不会丢失，仍然可以复原。 （2）神经网络处理信息的过程和推理过程是并行的， 任 意神经元都进行独立的运算和处理通过所接收到的信息。 （3）神经网络有自组织、 自学习的特点在处理信息的时 候. 神经网络有自组织、自学习的功能，同时它是以分布式 存储和并行处理信息为基础的。可以模拟人的形象思维，反 映人脑功能的一些特性，但不是人脑的真实描述，只是一种 抽象、简化和模拟，在实际中已经得到广泛的应用，如工业 机器人的神经网络高精度控制和机械加工过程监测等。 4．自学习控制系统 指通过实时的在线学习，自动获取知识，把学到的知识 加以应用， 探索那些的未知特征过程的控制性能的智能系统， 有十分高的模仿人学习的功能，其基本构成如图 3 所示。
收稿日期：2017-02-23 作者简介：田玉冬（1968-） ，男，上海理工大学 机械工程学院，博士，硕士生导师，研究方向为复杂工业系统控制和优 化、新型能源混合动力工程和分布式发电技术。 柳先鹤，男，上海理工大学 机械工程学院，硕士生，研究方向为智能控制。
第4期 符合，对智能控制应用打下基础。
第4期 4月
中 国 水 运 China Water Transport
Vol.17
April
No.4 2017
智能控制在工业机器人中的应用
田玉冬，柳先鹤
（上海理工大学 机械工程学院，上海 200093） 摘 要：随着科学技术和社会技术的发展，机器人技术都得到了很大的发展，适用的领域越来越多，以前的传统控
制理论已经不能够满足当前生产加工的复杂系统对控制系统的要求，从认识论和方法论的角度、交叉学科、控制对 象、系统设计方面分析智能控制和传统的控制方法在机器人方面的区别，并从各个方面说明智能控制的开放的、分 级的、分布式的结构。智能机器人有较强的综合处理信息的能力，本文设计的自适应神经控制器对闭环控制系统有 界的一致可以实现，而且在稳定的控制过程中，沿着周期或回归跟踪轨迹对部分神经网络的权值的收敛性能够完成 和未知闭环系统的部分的精确确逼近，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，能够拿来改善系统的控制性能，在以后类似的任务在中也可以应用，有节省时间和减少能量的消耗的好处。仿 真验证了所设计控制算法的正确性和有效性。 关键词：智能控制；自适应神经控制；机器人 中图分类号：G434 一、智能控制的现状和进展 智能控制：组织层、协调层和执行层。现如今在自动化 领域方面，智能控制在国内外十分活跃和挑战性，也是一门 新兴的交叉学科，它与多个领域都有着很紧密的关系，包括： 人工智能、自动控制、计算机科学、模糊数学、神经网络理 论、模式识别、信息论、仿生学和等等，应用前景十分广阔， 在工业自动化、冶金和化工过程控制、电力系统与核电安全 运行、智能机器人、智能通信网络、仪器仪表、家电行业等 领域已经在广泛的应用。当前该系统主要包括自适应控制系 统、模糊控制系统、神经网络控制系统、自学习控制和专家 控制系统等。 二、智能控制的分类 1．自适应系统 自适应控制系统是非线性控制系统，但它是其中的一个 特殊形式。该系统在工作中可以最大程度的提高工作质量， 获取当中的有关信息并改变相关的参数。自适应控制系统包 括四部分：基本的调节控制反馈回路、系统的准则给定、实 时在线辨识和实时修正调整机构。 文献标识码：A 文章编号：1006-7973（2017）04-0084-05 系统框图如图 1 示，工作过程：测出输入输出值，依据 输入输出值分辨动态特性，把这些动态特性与期望的进行比 较，从而决定怎样控制器的参数和结构，从而使系统的性能 可以最优，控制方式通过适应的机构输出的信号来改变，工 作过程是：辨识、决策、控制。 2．模糊控制系统 模糊控制是人们通过自然语言来表达控制的过程然后再 借助计算机来进行模拟的控制的过程，从而控制的自动化。 因计算机智能化的程度还没有达到理想中的要求，所以将控 制过程描述成计算机可以识别的语句、规则等相关的信息， 然后作出判断。 ，基本思想可以概括为：把专家被控对象的控 制策略归纳成一系列的“IF（条件）和 THEN（作用） ”形式 的控制规律，作用于被控对象或过程，结构如图 2 所示。 计算机控制过程步骤： （1） 依据实际的情况取样， 然后把得到的信息转成计算 机能识别的信息。 （2） 依据计算机内事先规定好的判断规则， 对所收集的 信息进行对比判断，并进行相应调整，得出相应的决策。 （3） 调整完成后将最后得出的结果输出给被控对象，从 而达到控制。 模糊控制的优点： （1） 在操作人员控制经验基础上进行控制， 不用建数学 模型，可以有效的解决不确定性系统。 （2） 具有较强的鲁棒性， 被控对象参数的改变的影响不 大，所以在非线性、时变、时滞系统的控制方面应用很广。 图1 自适应控制系统典型结构 （3） 控制机理与对过程控制的直观描述和思维逻辑十分
田玉冬等：智能控制在工业机器人中的应用
85
指一个（或一组）能在某种特殊领域内，在遇到比较棘 手的问题时，可以像现实生活中的专家一样来解决问题的一 种程序。通过长期的学习和探索逐步积累非常丰富的专业知 识和经验，在解决一些领域中的难题时起到了不可替代的重 要作用。 专家系统使用计算机模型来处理在生活中需要专家做出 解释的那种难以解决的难题，并得出与专家相同的结论。专 家系统是一个和传统的程序系统有区别的计算机程序。 三、神经网络控制的应用 自适应神经网络控制在机器人控制中的研究已经十分的 广泛了，现阶段已经有了大量的研究成果文献[1-7]。例如：文 献[1]引进滤波器跟踪误差，依据机器人动态来设计自适应神 经控制器，使闭环系统中的信号都能最终一致有界；文献[2] 使用线性观测器，非线性动态的未知的机械臂设计自适应神 经控制器，控制好跟踪误差，观察误差的和神经网络权值都 有界；文献[3]将神经网络控制与滑模控制相结合，对机械臂 渐进跟踪控制；文献[4]利用神经网络为闭链双臂机器人设计 了力/位置协调控制方案，达到了双重控制效果；文献[5]针对 柔性关节机器人操作手的轨迹跟踪问题，提出了一种基于奇 异摄动理论的机械臂神经网络控制设计方法。 本文基于机械手臂设计的自适应神经控制器是基于机械 手臂来设计的，控制过程中沿周期或回归参考轨迹完成了对 未知闭环系统动态的学习，它的表达是通过时间不变和空间 分布的方式来完成的，存储方式为常值神经网络权值。最后 在证明所提控制算法的正确性和有效性的过程中，使用的是 三连杆平面机械臂的仿真结果。 一个 n 关节机械臂，考虑摩擦力的动力学方程[10]
+ Vm (q, ) q + F(q ) + G(q) = τ M(q) q q
图2 缺点：
模糊控制的一般结构
（1）对信息简单的模糊处理来说， 会使系统控制精度降 低，同时动态品质也会变差，无法定义控制目标。 （2）没有完善的系统分析技术， 还不能证明模糊控制系 统的稳定性。 3．神经网络控制系统 当前人们还不能完全理解大脑思维、意识和精神活动， 但已能从神经结构和和细胞体构成的水平初步探明大脑的组 织特征和认知机理。神经网络是对生物神经系统功能的模拟 而非结构的模拟。神经网络作为多学科交叉融合的前沿研究 技术，具有充分逼近任意复杂的非线性能力、并行分布处理 能力、自适应能力、自学习能力、较强的鲁棒性和容错能力 等，并且广泛地应用于信息处理、模式识别、智能控制、容 错诊断等各个领域。 神经网络模型用于模拟人脑神经元活动的过程，其中包 括对信息的加工、处理，存贮和搜索等过程，它具有如下特 点： （1）神经网络存储信息的方式为分布式， 局部网络受损 时，原来的信息不会丢失，仍然可以复原。 （2）神经网络处理信息的过程和推理过程是并行的， 任 意神经元都进行独立的运算和处理通过所接收到的信息。 （3）神经网络有自组织、 自学习的特点在处理信息的时 候. 神经网络有自组织、自学习的功能，同时它是以分布式 存储和并行处理信息为基础的。可以模拟人的形象思维，反 映人脑功能的一些特性，但不是人脑的真实描述，只是一种 抽象、简化和模拟，在实际中已经得到广泛的应用，如工业 机器人的神经网络高精度控制和机械加工过程监测等。 4．自学习控制系统 指通过实时的在线学习，自动获取知识，把学到的知识 加以应用， 探索那些的未知特征过程的控制性能的智能系统， 有十分高的模仿人学习的功能，其基本构成如图 3 所示。
收稿日期：2017-02-23 作者简介：田玉冬（1968-） ，男，上海理工大学 机械工程学院，博士，硕士生导师，研究方向为复杂工业系统控制和优 化、新型能源混合动力工程和分布式发电技术。 柳先鹤，男，上海理工大学 机械工程学院，硕士生，研究方向为智能控制。
第4期 符合，对智能控制应用打下基础。