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行的各種控制手段。下面是小編整理的，希望你能從中得到感悟!

　　篇一

　　水下機器人智慧控制技術研究綜述

　　【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，目前主要採用的智慧控制方法有：模糊控制、神經網路控制、專家控制、自適應控制、PID調節器、滑模控制等。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，對水下機器人執行控制方法的選取、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;神經網路控制;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範圍的擴大，對其自主性，運動控制的精度和穩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難於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效能;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難於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]。目前已被採用的控制方法有：模糊控制、神經網路控制、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慧控制方式，它模仿和昇華了人的控制經驗與策略並將其體現在控制器中[3]。模糊控制器不依賴於被控制物件的精確數學模型，易於對不確定性系統進行控制，模糊控制器抗干擾能力強，響應速度快，並對系統引數的變化有較強的魯棒性，模糊控制的實質是將基於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複合推理規則。通常它以被控物件輸出變數的偏差和偏差的變化率作為輸入變數，而把被控量定為模糊控制器的輸出變數，反映輸入輸出語言變數與語言控制規則的模糊定量關係及其演算法結構[4]。實際應用中把採集到的控制資訊經語言控制規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，作用於被控物件，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介面、知識庫、模糊推理機、解模糊介面四個部分組成。如圖1所示：

　　2.1 模糊自適應PID控制

　　PID控制演算法中的比例控制動態響應迅速，不能消除靜態誤差。積分控制可以消除穩態誤差，動態響應速度慢。如果在PID控制系統中加入模糊控制器，組成模糊PID控制，模糊PID控制系統是把PID控制和模糊控制的優點結合起來。既能有很快的響應速度，又能保證很好的穩態。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則模型化，然後進行模糊推理，得到最佳的PID控制引數。模糊PID控制器輸入量是偏差E和偏差變化率Ec，按照設定的模糊規則進行模糊推理演算，查詢模糊矩陣表，對PID控制引數Kp、Ki、Kd進行線上修改，從而使被控物件具有良好的動、靜態效能，控制系統結構如圖2所示。

　　2.2 基於模糊原理的改進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面控制方法採用非線性函式來擬合具有強非線性特性的控制物件，控制效果好於PD控制器;跟神經網路控制相比，S面控制方法的穩定性明顯好於前者;跟模糊控制相比，S面控制方法沒有區域性調整功能，其區域性效能不如模糊控制，但其結構設計和引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儘管魯棒性好，但本質上是一種PD控制器，系統穩態精度差。而且引數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，顯然這對於多變的環境來說適應性不是很好。因次，運用模糊原理對S面控制的兩個引數K1和K2進行線上調整，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，引數K1，K2的線上自我調節問題，使控制結果更快地到達穩態，並且保證最小的超調和穩態誤差。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效能。

　　3.神經網路控制

　　將神經網路引入控制系統是控制學科發展的必然趨勢[5]，神經網路的吸引力在於：

　　***1***能夠充分逼近任意複雜的非線性系統;***2***能夠學習和適應高度不確定系統的動態特性;***3***由於大量神經元之間廣泛連線，即使有少量單元或連線損壞，也不影響系統的整體功能，表現出很強的魯棒性和容錯性;***4***採用並行分佈處理方法，使得快速進行大量運算成為可能。這些特點顯示了神經網路在解決高度非線性和嚴重不確定性系統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，它是將受控系統的逆模型直接與受控系統串聯，組成偽單位系統，使受控系統的輸出等於期望輸出。在控制以前，首先要選擇適當的訓練方式求得逆模型，即使神經網路由初始的無知識狀態到學得。複合控制方法結合閉環逆控制和開環逆控制的優點，利用誤差和輸入共同控制系統，結構如圖4所示：

　　4.神經網路PID控制

　　將神經網路控制與PID調節器結合，融合各自的優點，可得到效能更好的控制器，如圖5所示：

　　神經網路PID控制根據系統的執行狀態，調節PlD控制器的引數.以期達到某種效能指標的最優化。即使輸出層神經元的輸出狀態對應於PID控制器的三個可調引數kp，ki，kd。通過神經網路的自身學習、加權係數調節，從而使其穩定狀態對應於某種最優控制規律下的PID控制器引數。輸入層的輸入r***t***與輸出c***t***比較後產生的誤差e***t***作為輸入量S送到BP網路中進行處理，經過訓練後來調整PID控制器的三個引數，從向使被控物件發生相應的變化而獲得較好的控制性能。

　　5.專家控制 　　專家控制是智慧控制的一個重要分支，又稱專家智慧控制。專家控制的粗略定義為：將專家系統的理論和技術同控制理論方法與技術相結合，在未知環境下，仿效專家的智慧，實現對系統的控制。專家控制器建立之前，從特定領域的控制專家那裡獲取足夠的控制知識，以及操作工人的經驗知識，並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，並且送入推理機，推理機呼叫知識庫中的知識***或規則***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則集，與控制規則集中的控制規則相匹配，對控制物件進行控制。控制物件的輸出反饋到資訊獲取與處理單元，成為反饋資訊，與設定值相比較後作為新資訊重複以上步驟，不斷檢側，不斷獲得新資訊，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資訊獲取與處理、知識庫、推理機構和控制規則集四部分組成，如圖6所示：

　　按照專家控制器在整個智慧控制系統中的作用，專家控制系統分成直接專家控制系統和間接專家控制系統兩類。

　　5.1 直接專家控制系統

　　直接專家控制系統根據測量到的過程反饋資訊及知識庫中的規則，匯出每一取樣時刻的控制訊號，直接控制被控物件，一般用於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迴路中，控制器直接模仿人類專家或人類的認知能力。直接專家控制系統結構如圖7所示。

　　5.2 間接專家控制系統

　　相對於直接專家控制系統，間接專家控制系統將演算法與邏輯分開，系統的最底層可以是簡單的PID、模糊控制等演算法，然後將這種演算法配上自校正、增益自動排程以及監控等。根據一些規則實現的啟發性知識，使不同功能演算法都能正常執行。這種專家控制的最大特點就是專家系統間接地對控制訊號起作用。間接專家控制系統結構如圖8所示。

　　控制器可由一系列的控制演算法和估計演算法組成，如PID、PID校正器、最小二乘遞推估計演算法、極點配置自校正演算法、模糊演算法等。而專家系統可以用來協調所有演算法;根據現場過程相應情況和環境條件，利用知識庫中的專家經驗規則，決定什麼時候使用什麼演算法;也可以用來調參，根據知識庫中的專家經驗規則，調整PID引數或是模糊演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技術與s面控制相結合的一類智慧控制。它是基於專家知識的間接專家控制系統，它運用人的經驗知識及求解控制問題時的啟發式規則來構造控制策略，根據系統的效能線上調整K1、K2和Ki，從而使系統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慧協調控制器，即由基本控制級和專家智慧協調級組成[7]，如圖9所示。

　　基本控制級採用s面控制器，與被控物件形成閉環完成實時控制;專家智慧協調級包括資料庫***存放誤差、誤差變化率的閾值，K1、K2的調整範圍及各組調整引數***、知識庫***常規產生式規則***和智慧協調器***推理機***，線上實時監測控制系統性能，根據系統的知識及證據，經推理機求解線上調整s面控制器引數，從而有效地進行控制。

　　6.自適應控制

　　自適應控制演算法應用於水下機器人的控制有很大的優點，因為自適應控制器能使系統更好的適應環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例項。自適應控制器與普通控制器的區別在於自適應控制器的引數是變化的，並且有一個根據系統中的訊號自動線上校正這些引數的機制。自適應控制系統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的最優控制中發展起來的。一般地說，模型參考自適應控制系統可由圖10表示。

　　它由四部分組成：帶有未知引數的被控物件、參考模型***它描述控制系統的期望輸出***、帶有自校正引數的反饋控制規律和校正引數的自適應機制。在模型參考自適應控制中，更新引數是為了使得被控物件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點和侷限，這就要求在進行控制系統設計的前期控制方法選擇和控制結構設定時，應充分了解特定控制物件的特點及對控制性能的要求，並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，隨著智慧控制技術的發展也會形成新的控制演算法和控制策略，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.基於Backstepping方法的水下機器人自適應滑模控制技術研究[D].哈爾濱工程大學學位論文，2009，3.

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

　　[4]尚遊，徐玉如.基於模糊邏輯的智慧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，於華男，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：嵌入式控制系統硬體、軟體，水下機器人智慧控制。

點選下頁還有更多>>>