第15章智能机器人

第15章智能机器人内容摘要：

了一种双向映射神经网络 , 进行机器人运动学控制。 这种网络主要由一个前馈网组成 , 隐层为正弦激励函数。 从网络的输出到输入有一个反馈连接 , 形成循环回路。 正向网络实现正运动学方程 , 反馈连接起修改网络的输入 (关节变量 ), 以使网络的输出 (末端位姿 )向着期望的位姿点运动。 这种双向映射网络不但能够提供精确的正 、 逆运动学计算 , 并且只需要简单的训练。 第 15 章 智 能 机 器 人 在动力学控制中 , 关键是逆动力学计算。 这里主要有两方面的问题 , 一是计算工作量很大 ,难以满足实时控制的要求； 二是需要知道机器人的运动学和动力学参数。 要获得这些参数 , 尤其是动力学参数往往是很困难的。 采用神经网络来实现逆动力学的计算 , 原则上可以克服上述两个问题。 由于神经网络的并行计算的特点 , 它完全满足实时性的要求 , 同时它是通过输入输出的数据样本经过学习而获得动力学的非线性关系 , 因而它并不依赖于机器人参数。 第 15 章 智 能 机 器 人 在力控制中 , 无论是采用经典控制还是现代控制 , 都存在建模难题。 因此 ,人们将智能控制技术引入机器人力控制中 , 产生了智能力控制方法。 该方法应用递阶协调控制 、 模糊控制和神经网络控制技术来实现力控制系统。 在这类系统中 , 力 /位反馈并行输入 , 模糊 、 神经网络控制对输入信息进行并行非线性处理和综合 ,将处理结果 (位置量 )输出给位置伺服子系统。 这种控制系统具有高速响应 , 能够完成机器人在行走中与刚性表面接触而产生位移时的实时控制。 第 15 章 智 能 机 器 人 智能机器人的控制结构通常被设计成多处理机系统的网络 , 并采用智能控制的分层递阶结构。 如在纵向 , 自顶向下分为四层 , 每一层完成不同级别的功能。 第一层负责任务规划 , 把目标任务分解为初级任务序列。 第二层负责路径规划 , 把初级移动命令分解为一系列字符串 , 这些字符串定义了一条可避免碰撞和死点的运动路径。 第三层的基本功能是计算惯量动力学并产生平滑轨迹 , 在基本坐标系中控制末端执行器。 第四层为伺服和坐标变换 ,完成从基本坐标到关节坐标系的坐标变换以及关节位置 、 速度和力的伺服控制。 第 15 章 智 能 机 器 人 机器人系统的软件结构 到目前为止最流行的混合体系结构是三层体系结构 , 它由一个反应层 、 一个执行层和一个思考层组成。 反应层为机器人提供低层次的控制。 它的特征是具有紧密的传感器 行动循环。 它的决策循环通常是以毫秒计的。 第 15 章 智 能 机 器 人 执行层 (或序列化层 )起着反应层和思考层之间的粘合剂的作用。 它接收由思考层发出的指令 , 序列化以后传送给反应层。 例如 , 执行层将会处理一系列由思考式路径规划器生成的通过点 , 并作出采取哪种反应行为的决策。 执行层的决策循环通常是以秒计的。 执行层还负责将传感器的信息整合到一个内部状态表示中。 例如 , 它将掌管机器人定位和联机绘制地图等任务。 第 15 章 智 能 机 器 人 思考层利用规划生成复杂问题的全局解。 因为生成这一类解的过程中涉及计算复杂度 , 它的决策循环通常是以分钟计的。 思考层 (或规划层 )使用模型进行决策。 这些模型可以事先提供或者从数据中学习得到 , 它们通常利用了在执行层收集到的状态信息。 三层体系结构的各种变体可以在大多数现代机器人软件系统中找到。 当然 , 三个层次的划分并不是非常严格的。 一些机器人软件系统具有更多的层次 , 例如还可有用于控制人机交互的用户接口层 ,或者负责协调机器人与在同一环境下运转的其他机器人的行动。