B-2WMR系统模型及其欠驱动特性分析

平衡两轮移动机器人(B-2WMR)是自然不稳定体,是高阶次,不稳定、多变量、非线性、强耦合系统,其动力学系统比较复杂,它属于欠驱动系统.针对该系统,选用合适状态变量,采用Euler-Lagrange方法推导了系统的多输入多输出(MIMO)非线性动态模型,并采用该模型对平衡两轮移动机器人不同任务下的姿态和速度控制进行分析,探求了欠驱动系统的控制方法,对该模型系统在MATLAB中进行了SIMULlNK仿真,得到了系统的响应曲线,为该欠驱动平衡两轮移动机器人的平衡运动控制器的设计提供一个完善的实验平台.     

HS-OCPA学习系统设计及其在机器人 姿态平衡控制中的应用

针对单层操作条件反射概率自动机的操作行为个数较多的问题,构造了一个层次结构的操作条件反射自动机,简称HS-OCPA仿生自主学习系统. 该系统主要基于Skinner操作条件反射机理和概率自动机进行设计,学习控制不需要系统的模型,在操作行为和系统性能的基础上,采用操作条件反射学习机制实现寻优学习,并利用操作行为的取向信息对操作条件反射学习机制进行调整,最终实现在线搜索最优的控制策略. 理论证明设计的操作条件反射学习机制可以确保学习系统依概率1收敛于最优的行为路径. 应用于两轮机器人姿态平衡控制的仿真和实验结果     

基于遗传算法的Skinner操作条件反射学习模型

以概率自动机(probabilistic automata, PA)为平台,结合遗传算法(genetic algorithm, GA)的进化思想,设计了反映Skinner操作条件反射(operant conditioning, OC)思想的仿生学习模型,称为基于遗传算法的操作条件反射概率自动机(genetic algorithm-operant conditioning probabilistic automata,GA-OCPA)学习系统。每一次学习尝试之后,首先,学习系统把通过OC学习算法学习得到的信息熵值作为个体适应度;然后,执行遗传算法,搜索最优的个体;最后,再执行OC学习算法学习最优个体内的最优操作行为,以得到新的信息熵值。理论上分析了GA-OCPA学习系统学习算法的收敛性,通过对两轮机器人运动平衡控制的仿真分析,表明设计的GA-OCPA学习系统的学习是一个自动获取知识和提炼的过程,具有高度的自适应能力。