智能控制通过采用各种智能技术从而达到对复杂系统控制的目标， 是一种具有强大生命力的新型自动控制技术。智能控制的产生和发展正
pcb清洗剂>智能一体机反映了当代自动控制以至整个科学技术的发展趋势，现代科学技术的迅
速发展和重大进步，已对控制和系统科学提出新的更高的要求，自动控
制理论和工程正面临新的发展机遇和严峻挑战。自动控制的出路之一就
是实现控制系统的智能化。
本文主要介绍四种基本的机器人智能控制方法以及这四种控制方法
的相互融合技术。
1．机器人变结构控制
【1】，因此在机器人控变结构控制具有完全鲁棒性或理想鲁棒性
制方面发挥了重要作用。 尽管含有不确定性，但系统在滑动模态时仍
具有对外部环境的不变性。 这一点也是变结构控制与其它的鲁棒控制
方法不同的地方，变结构控制理论特别适用于机器人的控制。 因为变
结构控制不需要精确的系统模型，只需要知道模型中参数的误差范围或
变化范围即可。 对于有界干扰和参数变化具有不敏感性， 可消除由于
哥氏力及粘性摩擦力的作用而产生的影响，控制算法相对简单，容易在
线实现 。但是，抖振现象是阻碍变结构实际应用的致命原因。因此，
削弱抖振的各种改进算法也被陆续地提出来，如动态调整滑模参数，在
线估计滑模参数等。
2 .机器人模糊控制
英国学者Mamdani 在1980 年代初将模糊控制引进到机器人的控制
中，控制结果证明了模糊控制方案具有可行性和优越性。 模糊控制的
基本思想是用机器去模拟人对系统的控制，而不是依赖控制对象的模
型。 模糊控制有3 个基本组成部分：模糊化、模糊决策和精确化计
算。
模糊系统可以看作是一种不依赖于模型的估计器，给定一个输入，
便可以得到一个合适的输出，它主要依赖模糊规则和模糊变量的隶属度
函数， 而无需知道输入与输出之间的数学依赖关系， 因此它是解决不确定性系统控制的一种有效途径。但是它对信息进行简单的模糊处理导致被控制系统的精度降低和动态品质变差，为了提高系统的精度则必然增加量化等级， 从而导致规则的迅速增多，因此影响规则库的最佳生成，且增加系统的复杂和推理时间。 模糊控制既具有广泛的应用前景，又存在许多待开发和研究的理论问题。
3．机器人分层递阶控制
智能控制系统除了实现传统的控制功能外，还要实现规划、决策和学习等智能功能。因此智能控制往
转椅底盘
往需要将智能的控制方法与常规的控制方法加以有机的结合。分层递阶控制是实现这一目的的有效方法。在分层递阶控制中，上层的作用主要是模仿人的行为功能，因而主要是基于知识的系统。它所实现的规划、决策、学习、数据的存取、任务的协调等，主要是对知识进行处理。下层的作用是执行机器人具体的控制任务。
神经网络的研究始于1960年代， 在1980年代得到了快速的发展。近几年来，神经网络的研究目标是复杂的非线性系统的识别和控制等方面， 其在控制应用上具有以下特点：能够充分逼近任意复杂的非线性系统；能够学习与适应不确定系统的动态特性；有很强的鲁棒性和容错性等 。 神经网络对机器人控制具有很大的吸引力，机器人的神经网络动力学控制方法中， 典型的是计算力矩控制和分解运动加速度控制。对于多自由度的机器人控制，输入参数多，学习时间长，为了减少训练数据样本的个数，可将整个系统分解为多个子系统，分别对每个子系统进行学习，这样就会减少网络的训练时间，可实现实时控制。
5．机器人智能控制技术的融合
以上介绍的控制方法，在实际运用中往往相互融合，以达到更精确、更快速、更复杂的控制目的，在实际应用中具有很大的优越性！(l)模糊控制和变结构控制的融合
小麦草榨汁机在模糊变结构控制器(FVSC)中，许多学者把变结构框架中的每个参
数或是细节采用模糊系统来逼近或推理，仿真实验证明该方法比PID 控制或滑模控制更有效 。模糊系统中的输入分为两种：一种为系统的综合偏差模糊值，另一种为偏差增量模糊值。
(2)神经网络和变结构控制的融合
神经网络和变结构控制的融合一般称为NNVSC。实现融合的途径是利用神经网络来近似模拟非线性系统的滑动运动，采用变结构的思想对神经网络的控制律进行增强鲁棒性的设计， 这样就可避开学习达到一定的精度后神经网络收敛速度变慢的不利影响。 经过仿真实验证明该方法有很好的控制效果。 但是由于变结构控制的存在，系统会出现力矩抖振。
(3)模糊系统和神经网络控制的融合
模糊系统和神经网络都属于一种数值化和非数学模型函数估计器的信息处理方法，它们以一种不精确的方式处理不精确的信息。 模糊控制可直接处理结构化知识， 神经网络则需要大量的训练数据，通过自学习过程，借助并行分布结构来估计输入与输出间的映射关系。 将二者结合起来，利用模糊控制的思维推理功能来补充神经网络的神经元之间连接结构的相对任意性, 以神经网络强有力的学习功能来对模糊控制的各有关环节进行训练, 可利用神经网络在线学习模糊集的隶属度函数，实现其推理过程以及模糊决策等。
1-甲基环己醇
（4）神经网络与传统控制理论的融合隐框窗
将神经网络作为传统控制系统中的一个或几个部分, 用以充当辨识器，对象模型或控制器等, 常见的方式有神经自适应控制、神经预测控制、神经最优决策控制等。
注：【1】鲁棒性（robustness）就是系统的健壮性。它是在异常和危险情况下系统生存的关键，是指控制系统在一定（结构，大小）的参数摄动下，维持某些性能的特性。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议