机器人视觉伺服中CMAC学习控制系统研究.pdf

《机器人视觉伺服中CMAC学习控制系统研究.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、2382010，46（26）ComputerEngineeringandApplications计算机工程与应用机器人视觉伺服中CMAC学习控制系统研究12石玉秋，孙炜12SHIYu-qiu，SUNWei1.广西工学院电子信息与控制工程系，广西柳州5450062.湖南大学电气与信息工程学院，长沙4100821.DepartmentofElectronicInformationandControlEngineering，GuangxiUniversityofTechnology，Liuzhou，Guan

2、gxi545006，China2.CollegeofElectricalandInformationEngineering，HunanUniversity，Changsha410082，ChinaE-mail：hotfire119@126.comSHIYu-qiu，SUNWei.ResearchonCMACstudycontrolstrategyforroboticvisualservosystem.ComputerEngineeringandApplications，2010，46（26）：238-

3、240.Abstract：CerebellaModelArticulationController（CMAC）neuralnetworkhasfastlearningspeedandcanbeusedverywellforrealtimesystem.Astudycontrolstrategyforroboticvisualservosystemisintroduced.Inthisstrategy，CMACisusedasfeedforwardvisualservocontrollertocompe

4、nsateageneralfeedbackcontroller.TheproposedCMACcontrollerap-proximatestheimageJacobinmatrixthatmapsthe2D/3Drelationshipsbetweenimagefeaturesandroboticjointsmovements.Theon-linelearningabilityofCMACcanmaketheproposedsystemnotsensitivetothecameracalibrate

5、derrorsandhasstrongrobustness.Theresultsofexperimentsprovethevalidityofthepresentedcontrolsystem.Keywords：robot；visualservo；studycontrolstrategy；CerebellaModelArticulationController（CMAC）摘要：根据小脑模型关联控制器（CMAC）收敛速度快，适于实时控制系统的特点，设计了一种基于CMAC学习控制方法的机器人视觉伺服系统。

6、在该系统中，CMAC被用作前馈视觉控制器对常规反馈控制器进行补偿。所提出的CMAC控制器替代图像雅可比矩阵来获得目标图像特征和机器人关节运动之间2D/3D变换关系，通过其在线学习，可以使系统对摄像机标定误差不敏感，从而提高系统的鲁棒性。实验证明了所设计控制系统的有效性。关键词：机器人；视觉伺服；学习控制；小脑模型关联控制器DOI：10.3778/j.issn.1002-8331.2010.26.072文章编号：1002-8331（2010）26-0238-03文献标识码：Ａ中图分类号：TP24机器视觉

7、发展于20世纪50年代统计模式识别，而开始尝图像特征和机器人关节运动之间2D/3D变换关系，通过其在试模拟人的视觉感官，将视觉集成到机器人控制上的研究工线学习，可以使系统对摄像机标定误差不敏感，从而提高系统作可以追溯到1973年Shirai和Inoue的用于装配任务的视觉的鲁棒性。本文研究的目标是在降低计算量的情况下，寻找反馈机器人。1979年，Hill和Park首次提出“视觉伺服（visual快速收敛的学习算法，实现机器手抓取目标的任务。servoing）”的概念，将其与之前的机器人控制方法相区别。

8、由于视觉伺服控制面对的是一个复杂、未知的环境，而机器人本1系统结构身又是一个非线性，强耦合的复杂系统，PID反馈控制难以取所设计的机器人视觉伺服系统采用基于特征的得较好的控制效果。90年代后，许多研究者将研究目光投向eye-in-hand方式，摄像机安装在机械手的末端。图1所示为系了现代控制理论以及智能控制理论等控制方法，并在这一研统的结构，图中为F0=[f01，f02，…，f0n]为目标图像的期望特征值，究领域开始尝试性的应用，取得了一些成果[1-4]