机器人智能控制策略研究

杨立波 徐志强

（广东科技学院 广东 东莞 523083）

机器人智能控制策略研究

杨立波 徐志强

（广东科技学院 广东 东莞 523083）

机器人系统的最终研究目标是能象人一样具有智能，利用多传感器信息融合等技术建立行为规则库,利用近些年发展并逐渐完善起来的先进方法,如:模糊、神经网络、遗传免疫等算法实现对未知环境的适应和新任务的学习,通过有效的信息获取、记忆和共享,实现个体自治与协助决策。本文所涉及的研究内容是解决机器人规划与智能控制问题的一次初步尝试，在工业生产领域和航空航天、深海勘探事业中均可得到广泛应用，可望取得可观的经济效益和社会效益。

机器人；智能控制；模糊控制

1.引言

模糊理论是美国的Zadeth教授最早提出的，1965年他在Information&Control杂志上发表了模糊集，首次提出了模糊集合的概念，30多年来，模糊数学及应用发展十分迅速，至今模糊控制已成为智能控制的主要组成部分，模糊控制是以模糊集合论。模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制，从线性控制与非线性控制的角度分类，模糊控制是一种非线性控制，从控制器的智能性看，模糊控制属于智能控制的范畴，而且它己成为目前实现智能控制的一种重要而又有效的形式，尤其是模糊控制和神经网络，遗传算法及混沌理论等新学科的相融合，正在显示出其巨大的应用潜力，机器人是一种具有高度非线性、强祸合的对象，且具有诸如摩擦，负载变化等不确定因素，传统的基于对象的控制方法很难精确地控制机器人的跟踪轨迹，为了获得精确的机器人跟踪轨迹，许多学者进行了大量的研究工作，也研究出许多的方法，在这些方法中，模糊控制具有较强的优势，因为它可以利用人类专家的控制经验来弥补机器人动态特性中的非线性和不确定因素，不依赖于研究对象的具体数学模型，具有较强的鲁棒性。

2.模糊控制器的设计

由经典集合论可见，一个事物a要么就属于集合A，要么就不属于集合B，没有其他的属于关系，在现代科学与工程应用中，由Zadenh教授提出的模糊集合理论越来越被广泛接受，亦即某一事物a以一定程度属于集合A，该思想是模糊集合的基础，而这样的属于程度又称为隶属度零，用模糊集合来描述模糊事物，这种方法很快就被广大学者所接受，使模糊数学及其应用得到了快速发展，1974年，Malndani首先将模糊逻辑应用于蒸汽机的控制，开创了一种新的智能控制领域而Malndani于1979年提出的自组织模糊控制，标志模糊控制由简单向高级方向发展，模糊控制几乎渗透到各个应用领域，已有大量有关文献作了报道，其研究重点在于提高常规模糊控制器的性能和增加学习能力，如已研究成功的控制规则可调整的模糊控制器、参数自调整的模糊控制器、自学习模糊控制器和神经网络模糊控制器等，下面将介绍模糊控制器的基本原理及其在机器人控制中的应用，模糊控制器是模糊控制系统的核心部分，模糊控制器的设计一般包括以下内容：

（1）确定模糊控制器的输入变量和输出变量

（2）设计模糊控制器的控制规则；

（3）确定模糊化和非模糊化的方法；

（4）选择模糊控制器的输入变量及输出变量的论域并确定模糊控制器的参数；

（5）模糊控制算法的实现。

3.模糊PID机器人控制

机器人的控制问题就是要使机器人的末端执行器能够按照给定的轨迹、速度、加速度运动，PID控制器以其结构简单、对模型误差具有鲁棒性及易于操作等优点，获得广泛应用，但常规PID控制器主要针对有确切模型的线性过程，其PID参数一经确定后，无法随着对象的变化而调整，不能满足系统在不同误差和误差变化率的情况下对参数的自整定要求，不能全面适应被控对象的变化，快速性和阻尼性之间存在矛盾，而实际上大多数机器人都不同程度地存在非线性时变干扰等特性，随着环境的变化，对象的参数甚至结构都会发生变化，用原先整定好的PID参数实时控制就很难达到理想的控制效果，通过将模糊控制和PID控制结合起来，设计出模糊PID控制器，可以实现对控制系统的参数自整定，模糊自整定PID参数控制器是在常规PID控制器的基础上建立的，其中心思想是找出PID控制器3个参数与偏差E和偏差变化率C百之间的模糊关系，应用模糊集合理论建立参数凡、戈和凡的变化量同E和CE间的二元函数关系模糊控制设计的核心是总结工程设计人员的技术知识和实际操作经验，建立喝水的模糊规则表，设计模糊PID控制器是再设定值的基础上，运用修正项系数在线调整PID的三个参数，对应模糊参数整定器，输入语言变量是E和偏差变化CE，输出语言变量为PID控制参数修正项从户、城和斌奋，本节将举例说明模糊控制在机器人中的应用，讨论基于启发式模糊推理的机器人运动控制问题，研究机器人在固定环境下的实时运动控制方法，下图是简要说明模糊控制系统的组成。

3.1 机器人的系统结构

机器人运动控制的主要目标是：当前方传感器探测到了障碍物或者目标时，路径规划器根据探测到的信息，确定机器人的位置、距离、方位；然后控制机器人避开障碍物，按照预定的路径和方位行走。

3.2 机器人运动控制规则

采用一种启发式推理的模糊规则来完成机器人的运动控制，根据人类运动专家的经验，可以建立起模糊运动控制规则如下：

3.2.1 定义变量 定义模糊推理控制器输入变量和模糊语言变量、论域，确定它们的隶属函数为trirnf，并微调默认隶属度函数的形状，它们的隶属函数为trirnf，并微调默认隶属度函数的形状，确定论域范围，确定输出变量的模糊语言分为，隶属度函数为trirnf。

3.2.2 建立运动控制知识规则 机器人运动控制器是依据障碍物位置和目标位置的传感信息来给出到达目标点的策略。

(l)在远离障碍物或无障碍物环境下的规则，它说明了机器人在远离障碍物或不存在障碍物环境下，是如何确定目标位置的，依据不同的机器人轨迹和目标方位，可以建立如下5条规则。

（2）在有障碍环境下机器人多边障碍的规则

当探测到障碍物接近机器人时，机器人应改变运动轨迹，以免发生碰撞机器人转动的基本原则是当探测带机器人左(右)和前方出现障碍物时，机器人应及时转向右(左)方向。

3.3 机器人的避障性能验证

采用MATLAB中的SIMULIK来进行验证，由于直接用模块搭建模糊PID控制器算法比较复杂，所以这里采用S函数的形式来构造该模块，输入变量为d1、d2、d3，目标定位变量tr，输出变量为sa，这样可以容易地编写出S函数来表示模糊PID控制器的核心部分，有了核心的S函数，则可以构造并封装出模糊PID控制模块，在模糊PID控制器中，根据前面构造的模糊逻辑参数表，可以在MATLAB环境下输入该模糊推理系统，根据模糊规则表，可以用FUZZY()函数可视地建立起整个模糊推理系统九fuzpid.fis，为了方便起见，应该保持该模糊推理系统的输入、输出变量范围，而推理结果可以修正。

4.结束语

本文介绍了模糊控制的一般原理和模糊控制器的结构，设计了机器人的模糊控制系统，然后，针对模糊控制中存在的问题，设计了一种启发式推理的模糊规则来完成机器人运动控制，并给出了模糊PID控制器的设计，最后的仿真实验结果表明，所设计的系统能够很好地克服机器人系统中存在的非线性、不确定性、强耦合等因素的影响，得到很好的控制效果。

[1]陈重华.压电陶瓷应用[M].山东大学出版社，2015.

[2] John Kymissis，Clyde Kendall，Joseph Paradiso，Neil Gershenfeld，Parasitic Power Harvesting in Shoes，the Second IEEE Internetinal Conference on Wearable Computing，IEEE Computer Societu Press，1999.

[3]宋道仁.压电效应与应用[M].北京:科学普及出版社，2014.

[4]陈清泉.混合电动车辆基础[M].北京理工大学出版社，2001.

TP24

A

1009-5624（2016）05-0011-02