氣動人工肌肉手臂的神經網絡Ｓｍｉｔｈ預估控制

王冬青，王　鈺，佟河亭，韓平疇
青島大學自動化工程學院／機電工程學院，山東青島

摘　　　要：針對含時滯ｄ的１關節氣動人工肌肉（ＰＡＭ）手臂，用三層遞歸神經網絡（ＲＮＮ），建立ＰＡＭ手臂包含時滯的模型（即非線性Ｓｍｉｔｈ預估器），并超前ｄ步預測ＰＡＭ手臂的輸出角度。將此超前ｄ步的預測值作為反饋量，與設定值相比較得到的誤差作為ＰＩＤ控制器輸入量，實現Ｓｍｉｔｈ預估ＰＩＤ控制。同時每一步都用ＲＮＮ模型當前時刻的輸出值與ＰＡＭ手臂當前時刻實際輸出值之差的平方做為ＲＮＮ權值的在線調整準則對ＲＮＮ預測模型的權值進行在線調整，以自適應ＰＡＭ手臂的不確定性和時變性。使用Ｍａｔｌａｂ通過串口和研華亞當模塊對實物ＰＡＭ手臂進行控制，控制效果表明所提出的Ｓｍｉｔｈ預估ＰＩＤ控制算法比常規ＰＩＤ控制算法的性能有顯著提高，證明所提出的算法是有效的和切實可行的。

關　鍵　詞：氣動人工肌肉；遞歸神經網絡；非線性Ｓｍｉｔｈ預估器；ＰＩＤ控制

１　引　言
氣動人工肌肉（ｐｎｅｕｍａｔｉｃａｒｔｉｆｉｃｉａｌｍｕｓｃｌｅ，ＰＡＭ）也稱氣動人工肌肉驅動器，是一種新型的機器人驅動器，與電驅動和液壓驅動相比，具有結構簡單、易于小型化、柔順性好、價格低廉、功率／重量比高及安裝方便等優點，由于其很好的仿生性，因此在仿人機器人等領域具有很好的應用前景。但氣動人工肌肉具有非線性、時滯性和不確定性，制約了其廣泛使用。所以有關ＰＡＭ手臂控制的研究方法主要是以仿真實驗為主。近期ＰＡＭ手臂實物控制的成果中，國內學者李英等實現ＰＡＭ的模糊ＰＩＤ控制［１］，楊玉貴等提出ＰＡＭ 手臂的固定重力補償的模糊免疫ＰＤ控制［２］。國際上，文獻［３］對氣動人工肌肉進行非線性建模和采用滑模控制器控制，文獻［４］采用Ｍａｘｗｅｌｌ磁滯回線對氣動人工肌肉的滯回特性進行建模，并將模型用于串級位置控制系統的前饋補償通道。ＰＡＭ的精確建模的研究，使得ＰＡＭ的控制取得了一些成果。但是ＰＡＭ的非線性時滯特性是不確定的，基于精確數學模型的控制難以達到更好的效果，因此必須結合在線學習和自適應技術。在自適應學習算法方面，文獻［５］實現了２自由度機械手臂自適應、自組織模糊滑模控制，文獻［６］分別采用單變量和多變量神經網絡ＰＩＤ策略實現２自由度機械手臂的控制，文獻［７］采用遞歸神經網絡作為控制器控制ＰＡＭ手臂運行。本文以所搭建的實物ＰＡＭ手臂系統為研究對象，采用遞歸神經網絡ＲＮＮ對ＰＡＭ手臂進行非線性動態建模，辨識ＰＡＭ的時滯，建立ＰＡＭ手臂帶時滯的動態模型。

登錄網站后可下載文件

相關閱讀:

沒有相關新聞...