欢迎来到天天文库
浏览记录
ID:51411159
大小:1.97 MB
页数:5页
时间:2020-03-23
《ESN网络在机器人轨迹跟踪控制中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、ESN网络在机器人轨迹跟踪控制中的应用杜佩君ESN网络在机器人轨迹跟踪控制中的应用ApplicationoftheEchoStateNetwork(ESN)inTrajectoryTrackingControlforRobots杜佛君(兰州交通大学自动化与电气工程学院,甘肃兰州730070)摘要:为了研究具有模型不确定性的机器人操作手的轨迹跟踪控制,采用一种新的递归神经网络——回声状态网络(ESN)设计了动态控制器。采用PID控制器补偿ESN网络的逆建模误差,并在网络训练过程中加入白噪声项,以保证动态系统的稳定性。最后针对两关节机械手的轨迹跟踪控制问题进行了数值仿真,仿真结果表明了
2、该方法的有效性。关键词:神经网络回声状态网络(ESN)机器人轨迹跟踪自适应控制中图分类号:TPl83文献标志码:AAbstract:Toresearchthetrajectorytrackingcontrolofroboticmanipulatorwhichfeaturesmodeluncertainty,byadoptingthenewtypeofrecurrentneuralnetwork。i.e.。echostatenetwork(ESN),thedynamiccontrollerisdesigned.TheinversemodelingelToroftheESNiscomp
3、ensatedbyPIDcontroller,andduringnetworktraining,whitenoisetermisaddedforensuringthestabStyofthesystem.Aimingatthetrajectorytrackingcontroloftwo-jointmanipulator-numericalsimulationiscarriedOUt.Thesimulationresultsshowtheeffectivenessofthismethod.Keywords:NeuralnetworkEchostatenetwork(ESN)Robot
4、TrajectorytrackingAdaptivecontrol0引言机器人操作臂是一个高度非线性、强耦合、位姿时变的多输人多输出系统。目前应用于机器人系统的非线性控制方法,如计算力矩法、最优控制、非线性滑模控制等。都在一定程度上依赖于对象模型,但在实际情况下很难获得机器人的精确数学模型【l。]。近年来,神经网络在机器人控制中得到了广泛应用,但前向神经网络从本质来说是静态网络,不适合动态系统的实时辨识。递归神经网络(recurrentneuralnetworks,RNN)由于存在输出变量到输入端的反馈,是真正的动态网络.然而RNN缺乏一种简单有效的训练算法,很少应用于实际系统中。
5、回声状态网络(echostatenetworks,ESN)是近期由Jaeger提出的一种新的RNN[4】,其最大的特点是隐含层由几百到几千个稀疏连接的神经元组成,是处理复杂非线性系统的一种有效的工具.它在时间序列预测、混沌系统、系统辨识等领域都有成功的应用∞。9]。回声状态网络ESN在非线性控制领域也有成功的应用[10。¨]。ESN在混沌时间序列预测上的预测精度达到了10^2。修改稿收到日期:2012-09-17。作者杜佩君(1988一),女,现为兰州交通大学控制理论与控制工程专业在读硕士研究生;主要从事神经网络建模与控制的研究。本文针对以往递归神经网络难以训练及网络参数难以确定的
6、问题。将ESN网络应用于两关节机械手的轨迹跟踪控制中。首先用ESN辨识机械手逆模型;然后将ESN网络辨识所得的模型作为机械手控制系统的前馈控制器。为消除ESN网络的辨识误差,在控制系统中加入了一个PID反馈控制器;最后针对两关节机械手的轨迹跟踪控制问题进行了数值仿真。1机器人动力学模型一个两关节刚性机械手示意图如图1所示。图1二自由度刚性机械手示意图Fig.1Schematicdiagramoftheri西dmanipulatorwithtwodegreesoffreedom在关节空间坐标中,两关节刚性机械手的动力学方程可以由二阶非线性微分方程来描述:D(q)q+C(q,毒)q+G
7、(q)=f材(1)式中:g=[q。q:]7为关节角位移量;D(g)为对称正定惯性矩阵;c(口,童)为哥氏力和离心力项;G(g)为重力矩向量;
8、r=[■r:]’为控制力矩汪为各种误差和扰动。4PROCESSAUTOMATIONINSTRUMENTATIONVoL34No.6June2013ESN网络在机器人轨迹跟踪控制中的应用杜佩君机械手动力学模型的具体参数如F:吣心+qol+2yeos.(q)2’qoJ+q02COiS+qo。cos(q2qo。J](2)qoIJiIc
此文档下载收益归作者所有