采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

采用混合算法优化神经网络滑模控制的机器人跟踪误差

为了避免机器人关节角位移受外界影响,提高运动轨迹的跟踪精度,采用混合算法优化神经网络滑模控制器,并对优化后的控制器进行仿真验证.建立机器人平面简图模型,利用拉格朗日定理推导出机器人关节运动方程式,采用神经网络算法构建RBF神经网络自适应滑模控制系统.为了增强控制系统的稳定性,削弱外界波形对机器人运动轨迹的干扰,利用粒子群算法和差分进化算法在线优化RBF神经网络滑模控制律参数,设计了改进RBF神经网络滑模可调参数的自适应控制律,保证机器人控制系统的稳定性.通过MATLAB软件进行仿真实验,并且与优化前机器人关节角位移输出误差形成对比.仿真结果显示:随着干扰波形幅度的增大,采用神经网络滑模控制器,机器人关节输出角位移误差逐渐增大,系统不稳定,而采用混合算法优化神经网络滑模控制器,系统反应速度较快,机器人关节输出角位移误差较小.机器人采用混合算法优化神经网络控制器,能够提高控制系统的抗干扰能力,稳定性较好、输出精度较高.     

采用改进模糊PID控制的串联机械手追踪误差研究

针对串联机械手运动角位移跟踪误差较大问题,提出了改进模糊PID控制方法。创建串联机械手简图模型,给出机械手动力学方程式,设计了模糊PID控制系统。引用粒子群算法并对其进行改进,采用改进粒子群算法优化模糊PID控制器,将改进模糊PID控制器用于控制串联机械手角位移变化。采用Matlab软件对串联机械手角位移跟踪误差进行仿真验证,并且与传统PID控制器和模糊PID控制器仿真结果形成对比。仿真结果显示,串联机械手采用PID控制器和模糊PID控制器,其角位移跟踪误差较大,而采用改进模糊PID控制器,角位移跟踪误差较小。串联机械手采用改进模糊PID控制器,可以提高控制系统的稳定性,削弱机械手的抖动现象。     

离子聚合物-金属复合材料模糊PID控制方法研究

文章针对离子聚合物-金属复合材料(ionic polymer metal composite,IPMC)的松弛效应,将模糊控制与PID控制相结合设计了模糊PID控制器,实现了其PID的参数自整定功能;采用Matlab/Simulink分别对模糊PID控制系统和常规PID控制系统进行仿真,仿真结果表明,模糊PID控制系统响应时间为0.2 s,远小于常规PID控制系统的1.5 s,模糊PID控制系统的最大超调量比常规PID控制系统降低了74.5%,稳态误差降低了65.6%;采用STC51单片机对模糊PID控制系统和常规PID控制系统进行了IPMC末端输出位移控制实验,结果表明模糊PID控制系统的最大超调量比常规PID控制系统降低了77%,稳态误差降低了49%。该文设计的模糊PID控制系统对IPMC末端输出位移的控制效果比常规PID控制系统有了显著改进,对IPMC材料的应用具有较为重要的促进作用。     

模糊免疫算法的轮式移动机器人PID控制优化设计

PID控制技术是轮式移动机器人的自适应控制方案中的主要控制方法,这种方法存在一定的不足,如在系统响应速度无法满足机器人的实时控制需求时,调控精细度相对欠缺,因此,必须加以改进。建立轮式移动机器人运动学模型,将模糊机制、免疫算法相结合,用于对机器人控制的PID参数优化,采用误差绝对值时间积分性能为参考指标,设定系统的适应度函数,对该算法进行仿真,结果证明该算法明显提高了PID控制精度和响应速度。     

轮式移动机器人的模糊控制器

为准确反映移动机器人的实际运动情况,鉴于路径跟踪控制中可能出现的三类偏差.设计了两个模糊控制器,用以纠正移动机器人行走路径的偏差.MATLAB仿真结果表明:加入模糊控制器的系统,运动轨迹相对平缓、波动较小、收敛速度快.其动态和稳态输出特性均较好.该模糊控制器能够提高系统的控制精度,取得比较理想的控制效果.     

基于免疫遗传算法优化的锅炉恒温水箱控制研究

为了维持锅炉恒温水箱的温度,采用改进PID控制方法,并对控制方法进行仿真。给出锅炉恒温水箱的工作原理,建立锅炉温度传递函数。引用PID控制方程式,采用免疫遗传算法优化PID控制参数,实现PID控制器参数实时优化,通过仿真验证优化后锅炉恒温水箱温度输出误差。结果表明:采用传统PID控制方法,恒温水箱温度输出误差最大值为5℃,误差波动幅度较大;采用神经网络PID控制方法,恒温水箱温度输出误差最大值为3℃,误差波动幅度幅度较小;而采用改进PID控制方法,恒温水箱温度输出误差最大值为1℃,误差波动幅度最小。采用免疫遗传算法优化PID控制参数,能够提高锅炉恒温水箱温度控制精度。     

救援机器人模糊PID运动控制的研究与实现

为实现救援机器人运动轨迹的实时精确控制,将模糊PID控制技术应用于其运动控制系统,对模糊PID控制器的三个参数Kp,Ki,Kd进行在线调整。最后,在Matlab／Simulink环境下对其控制效果进行仿真,结果表明,该运动控制系统将传统PID控制的精确性和模糊控制的灵活性,自适应性有机结合起来,有效的克服了运动控制系统的变参数,非线性等因素的影响,使系统输出响应的过渡平稳,系统超调量小,过渡时问短,跟踪性能好,具有较好的动态性能。     

基于改进模糊PID的轮式机器人速度控制器设计

针对轮式机器人在行走过程中存在速度平衡超调较大与调节时间较长、速度平衡效果较差的问题,采用Matlab/Simulink与Carsim仿真软件建立轮式机器人四轮差速运动模型,对于无刷直流电机(BLDCM)系统,在原有模糊PID的基础上,结合抗积分饱和算法与变速积分算法,提出一种改进模糊PID控制的调速方法。仿真结果表明,通过抗积分饱和与变速积分算法改进后的模糊PID控制器与传统模糊PID控制器相比,在机器人速度平衡控制过程中,超调降低30%,调节时间降低33%,具有速度响应时间短、速度响应曲线波动小的优点。搭建了轮式机器人实验验证平台,实验结果表明,改进后的模糊PID控制调速方法的速度响应快,满足轮式机器人速度控制需求。所提设计可为轮式机器人速度稳定系统调试提供理论指导,并可应用于以速度调控为主导的控制系统。     

灰色预测模糊自调节PID控制器及其仿真

结合灰色预测、模糊自调节与传统PID控制的设计思想,提出灰色预测模糊自调节PID控制算法.该算法用系统输出误差和系统输出预测误差合成的综合误差作为PID控制器的输入,同时模糊自调节系统又能根据综合误差及其变化率来调整PID参数.仿真结果表明,与模糊自调节PID控制器相比,该控制器具有良好的动态性能和鲁棒性.     

基于变结构的移动机器人侧向控制器的设计

采用基于后推与模糊滑模控制相结合的方法设计了移动机器人的变结构状态反馈控制器,实现了对道路跟踪侧向误差的渐近镇定控制.应用Lyapunov定理推导了移动机器人满足非完整性约束的时变光滑状态反馈镇定控制律;将状态控制区域分为远离奇异点的稳定工作区域与含有奇异点的非稳定区域2部分.设计模糊控制嚣来控制移动机器人的状态从非稳定区域向稳定区域转变,并采用移动机器人Amigobot作为实验平台验证了控制器设计的有效性.研究结果表明:侧向误差较大时,模糊控制器确保移动机器人在稳定区域内沿着模态切换线减小误差;当侧向误差较小时,时变光滑状态反馈控制实现对移动机器人的平稳镇定.在控制器设计中,将移动机器人的平移速度视为渐变参数,根据侧向误差能量函数的变化进行模糊自适应调节.     

基于神经网络和模糊推理的移动机器人行为决策与控制

以足球机器人系统为实验平台 ,针对移动机器人智能决策中的实际问题 ,提出了一种基于径向基函数神经网络的机器人行为决策方法 ,通过神经元学习和训练以及自身的泛化能力 ,可以很好地利用多源信息进行机器人行为决策 ,以提高行为决策的有效性 .同时为了保证行为决策的实施效果 ,将模糊推理技术与传统的PID控制相结合 ,既保证了移动机器人系统运动控制的准确性和稳定性 ,又缩短了动态调整时间 ,取得了较好的控制效果 .     

基于自适应模糊神经网络的机器人路径规划方法

为了解决传统反应式导航中的复杂陷阱问题,优化导航控制,减少计算复杂度,提出了基于自适应模糊神经网络的机器人导航控制及改进型虚目标路径规划方法.首先根据移动机器人运动学模型,融合神经网络的自主学习功能与模糊控制的模糊推理能力,提出了基于自适应模糊神经网络的机器人导航控制器,将生成的Takagi-Sugeno型模糊推理系统作为机器人局部反应控制的参考模型.该自适应模糊神经网络控制器实时输出扰动角度,在线调整移动机器人的预瞄准方向,使移动机器人能够无碰撞趋向目标.然后,提出了一种改进型虚目标方法,优先选择机器人可能逃脱陷阱状态的路径,简化了设计难度,改变了虚目标切换方式,避免了大量复杂计算.实验结果表明,提出的方法可以帮助机器人在全局信息未知的复杂环境中导航,在趋近目标点的过程中能有效避障,无冗余路径产生,且轨迹平滑.     

An Intelligent Adaptive Fuzzy PID Controller Based on Multimodel Control Approach

A novel intelligent adaptive fuzzy PHD controller based on multimodel control approach is presented in this paper.It can improve the system performance of the dynamic time- varying system at various operating conditions.The fuzzy PHD controller is implemented by combining a fuzzy PI with a fuzzy PD controller in a parallel structure. The parameters of the fuzzy PHD controller are linked, via analytical derivation, to the gains of the linear PID controller. The sum of error square is used as performance criterion to locate the model that best reresents the process among the multiple models, The desired control output to drive the process along the desired path is generated only by modifying the output scale factots GU_I and GU_D of the fuzzy PID controller, Among the prescribed models, the control signal of the nearestmmodel to the system is applied. The system can be driven to its original trajectory because of the robustness of the fuzzy PID controller, Computer simulation results show that the adaptiv     

移动机器人PID运动控制器参数的模糊自整定

通过对移动机器人运动学模型进行分析 ,以基于视觉的双轮机器人为实验平台 ,论证了参数模糊自整定的PID控制技术应用于移动机器人运动控制中的可行性 .该方案根据控制要求 ,运用模糊推理技术 ,模仿人工整定控制器参数时的思维方式 ,对控制器参数进行调整 .不仅保证了准确性 ,提高了快速性 ,还增强了自适应能力 .实验证明此方法对移动机器人的运动控制是有效的 .     

基于分层模糊控制的移动机器人路径规划

针对移动机器人的路径规划中,应用模糊控制算法时模糊控制变量过多以及响应速度较慢等问题,简化模糊控制器与移动机器人本身的关系,设计出一种简单的双层模糊控制器实现算法,第一层模糊控制器以距离和方位角为输入量,转角为输出量;第二层以距离和转角为输入量,步长为输出量。解决了一般模糊控制器中规则库爆炸的问题,提高移动机器人路径规划算法的效率。经MATLAB仿真,证明算法有效性。     

模糊PID自整定技术在叶片检测控制系统中的应用

鉴于叶片检测系统对运动控制系统高精度的要求,分析叶片检测系统的运动控制方式。基于IMAC400控制卡研究其PID参数调整原理,设计fuzzy logic的PID自整定算法,比较传统PID与模糊自整定PID的控制性能。实验结果表明:在抛物线响应中,常规PID控制的最大跟随误差为-8.602 9,而模糊自整定PID控制最大跟随误差为-8.492 2。模糊自整定PID技术对运动控制系统的稳定性及精确度均有很大的提升。     

未知环境下基于模糊神经网络的机器人路径规划

为提高移动机器人在未知环境下避障行为的成功率,通过对障碍物信息的输入,从控制输出数据中找出避障行为模式,生成相应的模糊逻辑控制规则,并把模糊控制算法引入到神经网络中,使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力,实现机器人连续、快速地避障并最终到达目标.系统仿真证明了模糊神经网络在移动机器人路径选择中的智能性.