19、神经网络机器人控制：从理论到实践

神经网络机器人控制：从理论到实践

1. 功能链接神经网络（FLNN）控制器设计与仿真示例

在机器人控制领域，功能链接神经网络（FLNN）控制器展现出了独特的优势。它的设计相对简便，无需对系统动力学有深入了解，甚至不需要像自适应控制那样知晓系统结构。下面通过一个双连杆机器人手臂的例子来详细说明。

• 机器人手臂参数与期望轨迹 ：选取一个平面双连杆旋转手臂进行仿真，其参数设定为 (a_1 = a_2 = 1 m)，(m_1 = 0.8 kg)，(m_2 = 2.3 kg)，期望轨迹为 (q_{1d}(t) = \sin(t))，(q_{2d}(t) = \cos(t))。
• 不同控制器的设计与性能对比
  • 自适应控制器 ：之前设计的自适应控制器需要计算复杂的回归矩阵。若回归矩阵的任何元素未知，对应未建模动态，其性能会变得很差。
  • 带反向传播权重调整的FLNN控制器 ：编写了MATLAB M文件来模拟该神经网络控制器。控制器参数设置为 (K_v = diag{20, 20})，(F = diag{50, 50})，(A = diag{5, 5})。仿真结果显示，跟踪性能尚可，但所需权重值较大。不过，在某些情况下权重似乎能保持有界，除非满足持续激励（PE）条件，否则一般不能保证。而且，此仿真无需初始神经网络训练或学习阶段，直接将神经网络权重初始化为零。
  • 带增强权重调整的FLNN控制器 ：该控制器使用增强反向传