模糊神经网络在四足步行机器人控制中的应用

将神经网络和模糊控制理论应用于四足步行机器人的控制中，并在实验基础上选取样本，设计了针对四足步行机器人的模糊神经网络控制系统．     

一种再增强模糊神经网络控制器的建立

利用模糊控制的推理功能使神经网络得以简化，减少了学习单元的数量，提高了收敛速度．利用神经网络的并行特点使模糊控制表更容易实现，利用ＢＰ算法为自适应模糊控制提供了一种通用的规则再增强自适应算法．仿真验证了这种再增强模糊神经网络控制器的合理性．     

用于机器手控制的动态模糊神经网络

为解决模糊控制中存在的区域界定问题,将神经网络与模糊控制相结合,提出了一种新的模糊逻辑与神经网络相结合的动态模糊神经网络机器人控制方案(DFNN),并利用采样数据在线动态构造模糊神经系统.仿真结果表明,DFNN系统地很好地克服机器人系统中存在的非线性、不确定性、强耦合等因素的影响,控制效果好,为工业机器人控制提供了一种新的解决方案.     

基于Kohonen网络弧焊机器人摆动跟踪时摆幅与频率的智能识别

针对10mm厚钢板V型坡口接头的弧焊机器人摆动跟踪焊接,实时测量电弧电压和焊接电流的瞬时值,对其进行两次统计处理,构建不同摆幅和摆动频率时的焊接电参数特征矢量,采用Kohonen网络识别技术,建立了焊接电参数特征矢量与摆动焊接摆幅和频率的内在联系,为定量研究摆幅和频率对V型坡口焊缝成形的影响提供依据。     

爬壁式机器人安全系统的动力学模糊神经网络控制研究

对带有安全装置的一种新型的爬墙式机器人的安全系统的动力学问题及其模糊神经网络控制进行了研究 ,采用的动力学模糊神经网络控制技术可以较好地解决爬壁式机器人安全系统的摆动和纵向振动问题 .     

基于实际误差函数和隶属函数机器人避障算法

介绍一种机器人在不确定环境下，通过探障传感器，在探测过程中采用一种模糊神经网络来躲避障碍物的方法。该模糊控制采用有明确意义的模糊隶属函数，由采用有明确物理意义误差评价函数的神经网络来实现，以避免模糊控制的死点从而完成避障路径规划。计算机仿真实验的结果验证了该方法的有效性和实用性。     

多层多道焊接参数模糊控制系统的设计

针对工业机器人中厚板多层多道焊接参数选择的难题,采用基于查表的模糊控制方式,选取送丝速度和焊接速度为控制量,熔丝面积为被控制量,利用Matlab得出了各个变量之间的模糊控制表,用C#编写软件,实现了焊接参数的模糊控制.以25 mm厚对接平焊为例进行试验,结果表明该系统能将焊接后熔丝面积与实际焊接需要填充量的误差保持在5%以内.     

分组自适应模糊神经网络在双摆吊车上的应用

在工业生产中,若吊钩质量较大不能忽略,吊车会呈现出双摆系统特征,即吊钩绕台车进行一级摆动,同时负载绕吊钩进行二级摆动.针对这种欠驱动非线性系统控制问题,提出一种基于双摆桥式吊车系统的自适应神经网络与分组模糊控制相结合的控制策略.具体而言,采用改进的Takagi-Sugeno型神经网络模糊控制模型,利用分组模糊控制的方法,规避多输入模糊系统规则冗杂导致的时效性问题.因模糊控制不具备自适应与迭代优化参数的能力,引入神经网络模型借助混合算法,通过前向学习与反向学习,利用二次型最优控制理论设计得出的样本数据,不断优化模糊规则和隶属度函数,从而使控制器参数高精度逼近系统要求,满足双摆吊车高温熔融金属吊运的需求.最后仿真实验结果证明该控制策略不仅使双摆桥式吊车台车与负载快速、精确到达目标位置,还能够抑制吊钩与负载的摆动,提高了控制器性能.     

人工智能、模糊控制电冰箱

将神经元网络理论及模糊控制理论应用在冰箱控制中。所述方案采用了８０３１单片机系统,先在ＰＣ机上用ＭＡＴＬＡＢ软件训练神经网络得出神经元网络权系数,再通过仿真模糊控制系统得出模糊控制表,然后在单片机系统中实现神经网络计算和模糊控制查表过程。     

一种新的不下机器人运动控制方法

对神经网络和模糊理论在水下机器人运动控制中的应用进行了探讨,提出了神经网络多步预测模型的非线性广义模糊预测控制算法,用神经网络方法实现了对水下机器人这一非线性系统的在线计算、滚动优化和在线控制,采用强化学习方法来构筑模糊控制系统中的神经网络,给出了神经网络多步预测模型及相应的控制算法和操作过程,计算机仿真结果验证了本文所提方法的有效性。     

人工神经网络及其在焊接中的应用

介绍了ＢＰ网络、Ｈｏｐｆｉｅｌｄ．网络、ＡＲＴ网络和ＣＭＡＣ网络等几种主要的神经网络模型及其特点，阐述了神经网络在焊接领域中的应用，如焊缝跟踪、焊缝成型控制、缺陷检测、焊接接头性能预测及焊接过程稳定性控制等方面的研究现状，并探讨了其发展趋势．     

焊缝跟踪系统及焊接过程智能控制技术的研究

焊缝跟踪过程的自动化和智能化是未来焊接技术的发展方向。文章介绍了经典控制、模糊控制、专家系统、神经网络和复合控制智能控制理论及其在焊接过程控制的应用,分析和探讨了焊接过程智能控制技术的发展现状及趋势。为以后智能焊接技术的研究提供了理论基础。     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。     

基于模糊高斯基函数神经网络控制的机器人视觉伺服系统

针对机器人视觉伺服控制系统中存在的不确定性问题,将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种把高斯基函数作为隶属函数的模糊神经网络视觉伺服控制器,该控制器不仅具有定性知识的表达能力,而且具有很强的在线学习能力。将所提方法用于三关节机器人"手-眼"视觉伺服系统的控制中,取得了很好的控制效果。     

基于综合智能算法的新型救援机器人路径规划研究

为满足救援机器人在特殊工作环境下的成功避障和趋于目标,设计了一种新的机器人总体结构,采用超声波传感器收集周围距离信息并采用生命探测仪扫描周围环境将结果用于指导机器人到达事故地点.为提高结构化和非结构化交互环境下救援机器人的避障成功率,提出一种自适应模糊神经网络路径规划算法,利用障碍物信息生成相应的模糊控制规则,并将模糊算法构建成神经网络结构形式,使得规则的在线精度和神经网络的学习速度均有较大的提高,同样可使救援机器人具有较为迅速的反应能力,实现机器人连续、快速地避障并顺利搜索到指定目标.系统仿真证明了该算法在救援机器人路径规划中的有效性.     

基于视觉传感器的移动焊接机器人测控系统

设计焊枪侧置的轮式移动焊接机器人并搭建基于虚拟仪器的移动焊接机器人测控系统.在分析移动焊接机器人特点的基础上,设计由PC,NI-PCI7344,NI-DAQ6015以及图像采集卡等组成的硬件系统结构,采用LabVIEW编程平台编制测控系统软件.设计自适应模糊控制器和高斯基模糊神经网络控制器对十字滑块和车轮进行协调控制.采用高斯函数作为模糊神经网络的隶属函数,利用BP算法实现模糊隶属函数和控制规则的在线修改.实验结果表明:该测控系统运行稳定可靠,其跟踪精度可始终控制在-0.4～0.4n'mm以内,满足实际焊接工程的需要.     

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.     

二氧化碳短路过渡焊接电流神经模糊控制系统

研制了一种以8C52单片机为核心器件，通过自软件方式实现稳定二氧化碳短路过渡焊焊接电流的神经网络自适应模糊控制系统。系统中所嵌入的神经网络可实现对隶属函数的微调和模糊控制的调节，克服了常规模糊控制系统隶属函数非适应性的缺点。该神经模糊控制器可消除因电弧电压调节、网络电压波动、保护气纯度流量以及焊炬高度变化等随机因素引起的焊接电流偏差。焊接工艺实验表明，在实验电流范围内，平均电流的最大偏差不超过7A，平均电流相对误差小于5％，而控制前平均电流的偏差不小于12A，相对误差不小于9％，因此该控制系统响应速度快，超调小，稳态精度高。     

模糊控制与模糊神经网络研究的现状及展望

回顾了模糊控制理论的发展历程，介绍了模糊产品和模糊硬件的开发概况，阐述了将模糊逻辑与神经网络相结合的模糊神经网络技术的研究动态，并对模糊控制学科的发展进行了展望。     

基于神经网络的模糊控制

提出一种基于神经网络的模糊控制，其模糊化、模糊推理和模糊决策均由神经网络完成，并将用于模糊推理神经网络的输入节点由常规的２７个减少到１５个，减少了训练量。文末给出该模糊控制结构应用于典型环节的实时控制结果。