基于ＡＮＦＩＳ的机器人系统建模的研究

2012年02月09日16:36:31 本网站我要评论(2)字号：T | T | T

王洪瑞^１，２，张永兴^１，刘聪娜^１１．燕山大学工业计算机控制工程河北省重点实验室，河北秦皇岛　

２．河北大学电子信息工程学院，河北保定　

摘　　　要：针对机器人这种不确定性的复杂非线性系统很难建立其精确的数学模型这一问题，提出一种基于自适应神经模糊推理（ＡＮＦＩＳ）的方法对机器人系统进行建模。此方法将模糊推理和神经网络的学习能力有机地结合起来，并利用神经网络的学习机制自动地从输入输出数据中提取规则。建模过程中为了给ＡＮＦＩＳ赋予一个合适的初始状态，选用减法聚类对输入数据进行处理。ＡＮＦＩＳ网络的所有参数采用混合算法进行调节，即前提参数采用误差反向传播法，结论参数采用较小二乘法。较后在Ｍａｔｌａｂ中对二自由度机器人进行仿真研究，仿真结果表明该方法模型结构简单，建模速度快，辨识精度高，同时也验证了该方法的有效性，为进一步实现机器人鲁棒自适应控制打下基础。

关　键　词：机器人系统；减法聚类；自适应神经模糊推理

引　言
机器人系统是一个十分复杂的多输入多输出系统，具有时变、强耦合和非线性动力学特性。机器人性能的优劣，功能的强弱与控制器有着密切关系。为了对机器人进行有效的控制，需要确定其精确的数学模型。但在机器人解析建模过程中需要做大量的近似处理，忽略一些不确定性因素和不确定性的外界干扰，如机器人各关节之间的摩擦以及信号的检测误差等［１］，建立其精确的数学模型就非常困难。近年来，人们试图去找一些新方法来解决这个问题，如文献［２］就用了在线模糊聚类对二自由
度机器人进行了建模分析，但它没有考虑外界干扰，辨识精度也不是很高。自适应神经模糊推理系统（ＡＮＦＩＳ）是一种基于Ｓｕｇｅｎｏ模型的模糊推理系统。它是将模糊推理和神经网络有机结合起来形成的一种新型的模糊推理系统结构，对非线性系统具有任意逼近特性［３］。结合减法聚类它具有收敛速度快，训练误差小，所需训练样本少等特点。自１９９３年ＪａｎｇＲｏｇｅｒ提出以来［４］，已广泛应用到信号处理、模式识别、工业系统建模等领域［５６］。本文绕开机器人复杂的结构，提出一种基于ＡＮＦＩＳ的机器人系统的建模方法，并以二自由度机器人作为对象进行仿真研究。结果表明该方法模型结构简单，建模速度快，辨识精度高，也验证了本文方法的有效性。

登录网站后可下载文件

基于ＡＮＦＩＳ的机器人系统建模的研究

相关阅读: