基于启发式学习算法的空间柔性机械臂神经网络控制

《基于启发式学习算法的空间柔性机械臂神经网络控制》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第32卷第1期青岛科技大学学报(自然科学版)Vo1．32No．12011年2月JournalofQingdaoUniversityofScienceandTechnology(NaturalScienceEdition)Feb．2011文章编号：1672—6987(2011)01—008505基于启发式学习算法的空间柔性机械臂神经网络控制齐乃明，张文辉，马静，高九州(1_哈尔滨工业大学航天学院，黑龙江哈尔滨150001；2．东北农业大学工程学院，黑龙江哈尔滨l50001)摘要：针对非线性强耦合的空间漂浮基柔性机器人，提出了一种启发式学习算法的神经网络的前馈控制策略。首先通

2、过拉格朗日法和假设模态方法建立了漂浮基柔性空间机器人的动力学模型，然后采用两个神经网络及一个PID控制器来构建前馈在线学习控制系统，其中一个神经网络充当前馈控制器，另一个神经网络通过学习逆动态模型来为前馈控制器提供在线学习参数，而PID控制器主要作为辅助补偿控制器。该控制策略不是在PID控制器的指导下进行学习，且无需预先的离线学习，因而学习精度更高，且减少了对学习样本选择不当的影响，采用固定中心参数，而扩展宽度采用启发式关系确定，网络权值采用改进的最优准则算法进行调整的算法来实现快速学习能力，具有较好的实时性。仿真结果证明了所提方案的有效性。关键词：RBF神经网络；柔性空

3、间机器人；启发式学习；PID控制中图分类号：TP242文献标志码：AHeuristicLearningAlgorithmofNeuralNetworkControlforSpaceFlexibleManipulatorsQINai—ming，ZHANGWen—hui，MAJing，GAOJiu—zhou(1．HarbinInstituteofTechnology，SchoolofAerospace，Harbin150001，China；2．NortheastAgricultureUniversity，CollegeofEngineering，Harbin150001，Ch

4、ina)Abstract：Accordingtononlinearstrongcouplingoffree—floatingspacerobotwithflexi—blemanipulators，aneuralnetworkfeedforwardcontrolschemebasedonheuristiclearn—ingalgorithmisproposed．Firstly，thedynamicsoffreefloatingspaceflexiblerobotisestablishedbytheLagrangeandassumedmodesmethods．Andthent

5、woneuralnetworkcontrollersandonePIDcontrollerareusedtoconstructfeedforwardon——linelearingcon——trolsystem．Oneneuralnetworkcontrollerisusedasafeedforwardcontroller，andtheotherisappliedtostudyinverse——modeloftherobotandprovideon—linelearningparame—tersforthefeedforwardcontroller．ThePIDcontro

6、llerisanassistantcontroller．Thepropsedcontrolstrategycanimprovethecontrolaccuracyandtheasymptoticconvergenceoftrackingerror，withoutthehelpofPIDandoff—linelearning．Theneuralnet—workparameterscanadjustadaptivelybyadoptingtheheuristiclearningalgorithm．Thelearningspeedoftheneuralnetworkisenha

7、ncedgreatlyandhasbetterrealtimeproper收稿日期：2010-0903基金项目：中国航天科技集团创新基金资助项目(CAST09C01)作者简介：齐乃明(1962)，男，教授．*通信联系人．86青岛科技大学学报(自然科学版)第32卷ty．Finally，Thesimulationresultshaveshownthatthepresentedstrategyiseffective．Keywords：RBFneuralnetwork；flexiblespacerobot；heuristiclearn