20、神经网络机器人控制技术解析

神经网络机器人控制技术解析

1. 两层神经网络控制器设计与仿真

1.1 控制器优势

两层神经网络控制器设计简便，无需了解系统动力学，甚至其结构，也无需像模糊逻辑神经网络（FLNN）控制器那样选择基函数集。与标准自适应控制器、FLNN 控制器和 PD 控制器相比，它在处理未建模动态时有独特优势。例如，标准自适应控制器在回归矩阵精确已知时表现良好，但存在未建模动态时性能不佳；FLNN 控制器在所有动态都未建模时表现出色，但需要计算神经网络基函数集；PD 控制器单独使用时性能较差。

1.2 仿真示例

以平面两连杆旋转机械臂为例，其动力学在之前已有介绍。我们设定机械臂参数为 (a_1 = a_2 = 1 m)，(m_1 = 0.8 kg)，(m_2 = 2.3 kg)。编写 MATLAB M 文件进行仿真，与之前自适应控制示例的代码类似。实现两层神经网络控制器时，选择 10 个隐藏层神经元和 Sigmoid 激活函数，无需选择基函数集。

期望轨迹方面，(q_{1d}(t)) 为指数形式，(q_{2d}(t)) 为正弦形式。为测试控制器处理不连续命令的能力，期望轨迹在 0.1 秒开启，0.9 秒关闭。

神经网络控制器参数设定为 (K_v = diag{20, 20})，(F = diag{50, 50})，(A = diag{5, 5})，(\epsilon = 0.1)。采用增强反向传播权重调整的神经网络控制器响应良好，跟踪响应佳，权重达到有界值，且无需初始神经网络训练或学习阶段，在本次仿真中神经网络权重简单初始化为零。

2. 分区神经网络与信号预处理

2.1 分区神经网络