（计算机应用技术专业论文）基于ann的模糊控制在足球机器人中的应用.pdf

摘要 摘要 智能控制技术是当前控制领域研究的热点之一，广泛应用 于不确定性、非线性等复杂系统的控制中。机器人足球是一个 典型的多智能体系统，作为智能控制技术研究领域的标准问 题，引起越来越多研究者的关注，成为一个颇具吸引力的研究 相关技术的标准问题和实验平台。本论文探讨模糊控制技术、 神经网络技术在足球机器人运动控制中的应用，并设计出性能 优良的足球机器人运动控制系统。 首先详细地介绍和分析了模糊控制的基本原理，并构造了 机器人运动控制的模糊控制系统，它不依赖于对象的精确的数 学模型，能有效地克服被控对象存在的非线性和不确定性的影 响。将其应用于机器人控制系统的控制中，之后将模糊控制与 神经网络结合起来，利用神经网络模拟模糊推理，使得神经网 络具有了模糊推理和归纳能力。由于神经网络具有自学习的能 力，又使得模糊神经网络的推理归纳方式在实际的控制过程中 可以不断地修正，从而保证了系统的稳定性、改善了系统的动 态性能。 多种智能控制方法均被应用于机器人的运动控制中，以克 服机器人控制系统中非线性、不确定性等因素对控制性能的影 响。对本文提出的控制方法进行了仿真实验研究，仿真实验结 果说明了该方法的有效性，在应用于机器人的运动控制时，都 能取得很好的控制效果。 关键词足球机器人；神经网络；模糊控制；智能控制；多智 能体 a bs t r a c t u pt on o w ，i n t e l l i g e n tc o n t r o l ( i c ) h a sb e e na p p l i e dw i d e l y i nt h eu n c e r t a i na n dn o n l i n e a rs y s t e m r o b o ts o c c e ri sat y p i c a l m u l t i a g e n ts y s t e m m o r ea n dm o r es t u d i e s f o c u so nr o b o t s o c c e rw h i c hi sas t a n d a r dq u e s t i o no fa r t i f i c i a li n t e l l i g e n c e r o b o ts o c c e rb e c o m e sat e c h n i c a l s t a n d a r d p r o b l e m a n d e x p e r i m e n tp l a t f o r mr e l a t e dt ot h er e s e a r c ho fq u i t ea t t r a c t i o n i n t h i st h e s i s ，w ea i m e da tt h ea p p l i c a t i o no ft h ef u z z ya n dn e u r a l n e t w o r kt e c h n o l o g yi nt h em o t i o nc o n t r o la n dt r i e dt od e s i g na g o o dc o n t r o ls y s t e mf o rt h er o b o ts o c c e r i nt h i sp a p e r ，f i r s t l y ，t h eb a s i cp r i n c i p l eo ff u z z yc o n t r o li s i n t r o d u c e da n da n a l y z e di nd e t a i l ，a n daf u z z yc o n t r o lm e t h o di s p r o p o s e d i td o e sn o td e p e n do na c c u r a t em a t h e m a t i c sm o d e l ，c a n o v e r c o m et h ee f f e c t so ft h en o n l i n e a r ，c o u p l i n ga n du n c e r t a i n f a c t o r s f u n c t i o nn e u r a ln e t w o r ki sa p p l i e dt oi d e n t i f yt h er o b o t s y s t e m t h e nt h ea b i l i t i e s o f f u z z y i n d u c t i v ei n f e r e n c ea n d s e l f - l e a r n i n ga r er e a l i z e db yc o n s t r u c t i n gf u z z yn e u r a ln e t w o r k ( f n n ) t h a tc o m b i n e sf u z z yc o n t r o la n dn e u r a ln e t w o r kt o g e t h e r f n nu s e sn e u r a ln e t w o r kt or e a l i z ef u z z yi n f e r e n c e s ot h e s t a b i l i t y o ft h e s y s t e m i s g u a r a n t e e d ，a n d t h e d y n a m i c p e r f o r m a n c eo ft h es y s t e mi si m p r o v e d a l lp r o p o s e dm e t h o d sa r ea p p l i e do nt h er o b o t i ct r a je c t o r y t r a c k i n g c o n t r o lt oc o u n t e r a c tt h ee f f e c t so ft h en o n l i n e a r ， c o u p l i n ga n du n c e r t a i nf a c t o r si nt h er o b o t i cs y s t e mi nt h i sp a p e r t h er e s u l t so ft h es i m u l a t i o ne x p e r i m e n t ss h o wt h a ta l lp r o p o s e d m e t h o d sh a v eg o o dc o n t r o lp e r f o r m a n c e s w h e nt h e ya r ea p p l i e d t oc o n t r o lr o b o t i cm a n i p u l a t o r s ，t h e ya r ee f f e c t i v ef o ra c h i e v i n g g o o dp e r f o r m a n c e 武汉工程大学硕士毕业论文 k e yw o r d s ：r o b o ts o c c e r ：f u z z yc o n t r o l ；n e u r a ln e t w o r k ； i n t e l l i g e n tc o n t r o l ；m u l t i - a g e n t i v - 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外， 本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对 本文的研究做出贡献的个人和集体，均己在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 深l 盥 纠年6 月l 日 学位论文版权使用授权书 本学位论文作者完全了解我校有关保留、使用学位论文的规定， 即：我校有权保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅。本人授权武汉工程大学研究生处可以将本学位 论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或扫描等复制手段保存和汇编本学位论文。 保密0 ，在年解密后适用本授权书。 本论文属于 不保密o 。 ( 请在以上方框内打“”) 学位论文作者签名：陈f 出 纠年g 月z 日 丑冱 分汨 z 目 7 7 7 f ， 氰 年 程岬 教导指 第1 章绪论 1 1 课题背景 第1 章绪论 机器人技术是在新技术革命中迅速发展起来的一项高技 术，已经在众多的科学领域与工业部门中得到应用，并显示出 强大的生命力。机器人技术是一门综合性学科，它综合了多种 基础学科、技术学科及新兴科技领域的多方面知识，突出体现 了当代科学技术发展的高度分化又高度综合这一特点，世界各 国都非常重视机器人技术的研究。 现在很多国家都有了自己的机器人足球比赛。在世界上比 较有影响的赛事主要有两个，一个是由国际机器人足球联合会 ( f i r a ，f e d e r a t i o no fi n t e r n a t i o n a lr o b o t s o c c e ra s s o c i a t i o n ) ! r 织的机器人足球世界杯比赛( f i r ar o b o tw o r l dc u p ) ，另一个 是由国际人工智能学会组织的机器人世界杯r o b o tc u p ( t h e r o b o tw o r i dc u ps o c c e rg a m e sa n dc o n f e r e n c e s ) 比赛。 机器人足球比赛是融机器人学、人工智能、模式识别、图 像处理、自动控制、通讯、传感器等多门学科的高技术对抗活 动。多机器人组队构成一个复杂的系统，因此机器人足球成 为研究多机器人合作与多智能体系统的很好的实验载体，标志 着人工智能领域的“新的里程碑”。足球机器人在比赛过程中， 实际所处的环境是动态的，并且常常是不可预测的环境，场景 的瞬间变化充满了不确定性；足球机器人的模型也是不精确 的，比赛时足球机器人所得到的实时场景信息是海量的，并且 存在采样和信息处理的各种误差和不一致性。传统的基于感知 一建模一规划一执行的串联机构控制思想的人工智能方法，在面 对真实世界的复杂性和不确定性时，其实时性、鲁棒性和可行 性都面临严峻的挑战。 机器人足球技术其应用领域特别的广泛，无论在工业产业 界与军事界，还是在教育界和服务行业都可适用。并且，由自 武汉工程大学硕士学位论文 主体构成的多主体系统主要涉及的问题是主体之间的协调，可 细分为自主体设计、多主体体系结构、自主体合作和通讯、自 动推理、规划、机器学习与知识获取、认识建模、系统生态和 进化等一系列问题，这些问题中的大多数都在机器人足球中得 到了集中体现。开展机器人足球赛，能够将人工智能技术的最 新研究成果与实践结合起来，借助机器人足球赛，对人工智能 技术的前沿研究成果进行检验，探索多个智能机器人在不可预 测的动态环境中如何密切配合、协同作战，以使人工智能技术 更加成熟，加速人工智能技术的实用化、商品化、产业化进程。 对于足球机器人的研究工作，必将推动和促进机器人相关科学 技术的快速发展。同时通过比赛可以反映一个国家信息技术和 自动化技术的综合实力，因此，将机器人足球作为未来人工智 能和机器人学的标准问题是十分恰当的，而且这一研究的意义 之深远重大也是不可言喻的。 1 2 智能控制技术概述 经典控制理论和现代控制理论研究的是线性时不变系统 的控制问题。然而，自然界和现实生活中的所有系统其实都是 非线性的。非线性是绝对的，因而为实现对系统的有效控制， 就不能回避其中的非线性问题或者简单地进行线性化，而必须 很好地加以处理和利用，以期改善系统的控制性能。传统的理 论和方法在解决这些问题时已经难以奏效了，非线性控制理论 和智能控制理论就是在这一背景下逐步发展起来的【2 3 】。 由于空间技术、计算机技术及人工智能技术的发展，控制 界学者在研究组织、自学习控制的基础上，为了提高控制系统 的自学习能力，开始注意将人工智能技术与方法应用予控制系 统。从7 0 年代初开始，傅京孙、g l o r i s o 和s a r i d l s 等人从控制论 角度进一步总结了人工智能技术与自适应、自组织、自学习控 制的关系，正式提出了智能控制就是人工智能技术与控制理论 第1 章绪论 的交叉，并创立了人机交互式分级递阶智能控制的系统结构。 在7 0 年代中期前后，以模糊集合论为基础，从模仿人的控制决 策思想出发，智能控制在另一个方向一规则控制( r u l e b a s e d c o n t r 0 1 ) 上也取得了重要的进展，在核反应堆控制、交通控制、 智能机器人、故障诊断、大规模集成制造等众多领域的成功应 用，使其研究十分活跃。1 9 8 7 年1 月，i e e e 控制系统学会和计 算机学会又召开了智能控制国际学术讨论会，为智能控制作为 一个独立的新学科在国际学术界的崛起奠定了基础，使其成为 自动控制的前沿学科之一。智能控制理论覆盖了控制论、模糊 逻辑、进化论、生物解剖学、运筹学等范畴，其主要分支有模 糊控制、学习控制、专家控制、神经网络控制等，而且这些分 支相互渗透，使其成为不可分割的一个整体。 智能控制是在常规控制理论与技术基础上的进一步发展 与提高，目的是在非结构化，不确定性，以及与控制对象有强 相互作用的复杂环境中实现过程任务的闭环自动控制。智能控 制系统是实现某种控制任务的具有一定智能行为的系统，具有 学习功能、适应功能和组织功能。神经网络和模糊集合论，在 某些方面，如逻辑关系、不依赖于模型等方面类似于人工智能 的方法；而在其他如连续取值和非线性动力学特性等则类似于 通常的数值方法，即传统控制理论的数学工具。因而，它们是 介于二者之间的数学工具。智能控制是高级自动化系统的重要 控制方式，它有以下两个特点：一是智能控制系统以知识为基 础进行推理，用启发式来引导求解过程；二是对实际环境或过 程进行决策和规划，采用符号信息处理、启发式程序设计、知 识表示和自动推理与决策等相关技术，实现广义的问题求解。 1 2 1 模糊控制 1 9 6 5 年，美国加州大学伯克利分校的l a z a d e h 教授发表 了著名的论文“f u z z ys e t ”( 模糊集) ，提出了用模糊集作为定 武汉工程大学硕士学位论文 量化的手段，开创了模糊理论。1 9 7 3 年，他又给出了模糊逻辑 控制的定义和相关的定理。1 9 7 4 年，英国的m a m d a n i 教授首先 把模糊控制应用于工业控制中，控制蒸汽机发电的压力和速 度，取得了比常规p i d 控制更好的效果【4 】。这一开拓性的工作 标志着模糊控制论的诞生，为模糊理论的实际应用开辟了崭新 的前景。 4 0 多年来模糊控制不论从理论上还是技术上都有了长足 的进步，成为自动控制领域中一个非常活跃而又硕果累累的分 支。特别是在日本研制了地铁自动操作的模糊控制系统，模糊 控制器硬件，电梯群运行的管理系统，全自动模糊洗衣机、电 饭锅等，模糊理论在应用中越来越受到人们的肯定。其典型应 用的例子涉及生产和生活的许多方面，例如在家用电器设备中 有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等； 在工业控制领域中有水净化处理、发酵过程、化学反应、水泥 窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、 汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制 等 5 , 6 1 。 模糊控制是从逻辑( 行为) 上对入脑的模拟得到的一种模糊 推理和决策过程的实用控制方法，本质上是一种非线性控制， 适于对难以建模的对象实旅鲁棒性控制，最终控制形式简单， 易于实现。传统模糊控制器的隶属函数、控制规则是根据经验 预先总结而确定的，控制过程中不具有对规则进行修正、学习 和适应的能力，控制规则的选择、论域的选择、模糊集的定义、 量化因子的选取等多采用试凑法，若要提高精度则必然增加量 化级数，从而导致规则搜索范围增大，降低决策速度，甚至不 能实现实时控制。目前，众多学者对模糊系统设计进行了深入 的研究，对传统模糊控制进行了许多改进，现已出现了多种形 式的模糊控制 7 , s , a a o ，如：模糊模型及辨识、自组织模糊控制 器( 它们具有比例因子自调整能力、规则在线修改能力) 、基于 模糊模型的自适应模糊控制、模型参考自适应模糊控制、自适 第1 章绪论 应阶梯模糊控制，并在稳定性分析、鲁棒性设计、模糊控制与 传统控制方法及其它智能控制方法的交叉综合等方面取得了 进展。 1 2 2 神经网络控制 早在1 9 4 3 年，心理学家w m c c u l l o c h 和数学家w p i t t s 合作 提出了神经元最早的数学模型，开创了神经科学理论研究的时 代。1 9 5 8 年，f r o s e n b l a t t 首次引进了模拟人脑感知和学习能 力的感知器概念，感知器是由阈值性神经元组成的层状网络， 具有学习功能。1 9 6 2 年，b w i d r o w 提出的自适应线性元件 ( a d a l i n e ) ，具有自适应学习功能，在信号处理、模式识别等方 面受到普通的重视和应用。到了8 0 年代初期，世界著名物理学 家j h o p f i e l d 提出了h n n 模型，他引入了能量函数的概念，给 出了网络稳定性的判据，从而有力地推动了神经网络的研究。 随后，神经网络的理论受到愈来愈多入的关注，新模型、新理 论也层出不穷，如g e hi n t o 和t j s e j n o w s k i 的b o l t z m a n 机模 型，b k o s k o 的双向联想记忆模型，r h e c h t n i e l s e n 的反向传； 播网络等。 神经网络控制【l l 】是从结构上对人脑的模拟，通过利用生物 神经系统的分布式存储、并行处理、自适应学习等现象进行模 仿的一种控制方法【l2 1 。不受非线性模型类的限制，模拟人的部 分智能的特性，神经网络控制能对变化的环境具有自适应性， 也成为“智能控制”的一个主要的分支。 神经网络模型按结构可分为前馈神经网络和反馈神经网 络。前馈神经网络以多层感知器( m l p ) 、多层前向神经网络、 局部逼近神经网络为代表。反馈神经网络以h o p f i e l d 网络、e l m a 网络为代表。神经网络的学习算法可分为监督学习，非监督学 习和增强学习。增强学习是主动与环境交互，并从环境中得到 反馈信号以指导学习的试探评价过程。利用b p 算法的多层前向 武汉工程大学硕士学位论文 网络( m f n m u l t i l a y e rf e e df o r w a r dn e t w o r k ) 是目前最为广泛 的神经网络模型之一【1 3 ，】，但b p 算法易陷于局部极小、收敛 速度慢、需事先确定网络结构，这些对m f n 的设计是一个很有 意义同时又是相互矛盾、难以解决的问题【i5 1 。 有学者提出了可裁剪的网络结构设计方法【l6 1 。在开始时构 建一个含有冗余节点的大规模网络结构，然后在训练过程中逐 步删除那些不必要的节点或权值，在优化过程中降低网络结构 的复杂性，达到修剪网络的目的。有在训练过程中将那些冗余 连接的权值衰减到o ( 或o 附近) 的删除，也有通过分析隐含层的 输出对问题的解是否有贡献来删除网络节点。 此外，基于生物进化原理的遗传算法也被引入到神经网络 结构的优化和调整。由于梯度下降法往往导致局部极值，对 m f n 的学习算法，人们也提出了许多改进措旖【1 7 ，】。如随机梯 度法，在目标函数中加一个噪声扰动，控制噪声幅值和收敛速 度，使系统在保证不陷入局部极小的情况下，又能较快收敛。 此外还有模拟退火法、基于遗传算法的寻优算法等。 1 2 3 模糊神经网络控制 由于模糊系统和神经网络的互补性，目前模糊系统与神经 网络之间关系的研究以及二者的结合是主要研究热点。用神经 网络实现模糊控制的主导思想是建立一个能容纳模糊信息的 神经网络，并让其学习包含在常规模糊控制器的规则集中，再 用训练后的神经网络代替模糊关系矩阵，并以此构成模糊推理 和核心。另外，通过神经网络训练的样本可构造和发展模糊控 。制规贝i j ，可以发现优化输入输出隶属度函数，通过与先进的学 习方法相结合使系统具有较快的收敛速度。 其中结合模糊系统结构知识表达和神经网络强大数值计 算及学习能力的模糊神经网络( f n n f u z z yn e u r a ln e t w o r k ) 是 主要方向之一。f n n 模型有很多种，常见的有基于m f n 的f n n 、 第1 章绪论 基于径向基函数r b f 网络的f n n 以及由b 样条神经网络和 c m a c 网络等形式构成的f n n 。 模糊神经控制具有以下特点： ( 1 ) 直接从经验数据中获取知识，自动建立模糊规则和隶属 函数。 ( 2 ) 不用查表，只需通过在线计算，便可得到控制器的输出。 ( 3 ) 具有较强的适应能力和联想能力，在实时控制中对于未 出现过的样本，模糊神经控制器可以通过记忆、联想产生合适 的输出量对系统进行控制。 1 3 机器人足球比赛概况 1 3 1 机器人足球比赛 机器人足球系统的研究涉及非常广泛的领域，包括机械电 子学、机器人学、传感器信息融合、智能控制、通讯、计算机 视觉、计算机图形学、人工智能等等，机器人足球比赛的组织 者始终奉行研究与教育相结合的根本宗旨。比赛系统试图利用 一个将各种理论、算法和a g e n t 体系结构集成在一起的任务来 促进机器人学和人工智能研究的发展，它融合了实时视觉系 统、机器人控制、无线通讯、多a g e n t 协作、实时推理和机器 学习等多个领域的技术。每一届世界杯比赛都召开机器人足球 专题的国际学术会议，比赛与学术研究的巧妙结合更激发了青 年学生的强烈兴趣，通过比赛既培养了青年学生严谨的科学研 究态度和良好的技能也使得机器人足球竞赛的理论研究也取 得长足进展，极大地促进了相关学科的理论研究。 。 机器人足球比赛中每个机器人都是具有决策能力的 a g e n t ，不但能发挥个人能力，而且还能通过协调与合作还发 挥集体力量，各球队机器人为了射门或防守到处奔跑，成为时 时刻刻变化的非常复杂的动态环境。双方机器人球队必须实时 武汉工程大学硕士学位论文 地了解我方和敌方阵营的动态变化，并根据这一动态变化提出 比赛策略。为执行这个策略，各智能体不但需要在复杂、不确 定的真实世界中及时判断战局提高随机应变能力，还需要多机 器人之间的协调、合作行为，使得机器入足球成为研究多智能 体系统的一个标准实验平台【1 9 1 。 足球机器人比赛中涉及到的许多研究领域都是目前研究 与应用中遇到的关键问题，对我国科学技术的发展具有推动和 促进作用，足球机器人的一些研究成果也很容易就转化到实际 的应用中。 比赛的最终目标是：“到2 1 世纪中叶，由全自主、类人的 机器人组成的足球队能在国际足球联盟f i f a ( f e d e r a t i o no f i n t e r n a t i o n a lf o o t b a l la s s o c i a t i o n ) 的规则下打败人类的世界杯 冠军【20 1 。” 1 3 2 半自主机器人足球比赛 在机器人足球中有仿真机器人、自主、半自主机器人、类 入机器人等比赛系统。本课题研究的主要是f i r a 比赛中的半自 主机器人项目。半自主机器人是基于视觉的足球机器人系统， 系统中有小车、视觉、决策控制和无线通讯4 个子系统，而核 心就是决策控制系统，其他3 个子系统都是为决策控制系统服 务的。 半自主足球机器人系统：悬挂在球场上方的全局摄像头将 实际比赛场景送入计算机，计算机对采集的视觉图像数据进行 处理，分析赛场态势后，进行对策决策处理，规划出场上各个 足球机器入的运动动作，并将这些动作指令通过无线通讯发送 到球场的各个足球机器人，每个足球机器人装有无线数字通讯 接受装置与主机通讯，接受计算机的命令后进行动作。半自主 足球机器人系统中的视觉数据处理、策略决策、多机器人之间 相互协作等以及足球机器人的速度控制、位置控制、动作控制 第1 章绪论 都在场外计算机上完成，足球机器人只是根据从场外计算机接 收到的指令确定其运动方向和速度，执行相应的动作，做出相 应行动反应，实现足球机器人位置控制、自动回避障碍、踢足 球等动作，其本身不具备感知、决策能力。半自主足球机器人 比赛主要是由场外一台计算机集中控制场上多个机器人。 半自主比赛又分：3 v s 3 、5 v s 5 、1 l v s l l 三个小类。以5 v s 5 比赛为例，赛场为黑色( 不反光的) 木质长方形场地，其尺寸 是2 2 0 c m 1 8 0 c m ，带有5 c m 高，2 5 e m 厚的围墙。双方各派出 五个机器人，其中一个为守门员，机器人尺寸限定为7 5 e mx 7 5 c m 7 5 e m ，用桔黄色的高尔夫球作比赛用球，直径4 2 7 m m ， 重4 6 9 。比赛场地要求有较好的光照，大约为l ，0 0 0l u x 。比赛 场地尺寸和标识如图1 - l 所示。 mi r oso t 图1 一l半自主比赛场地尺寸和标识 中圈半径是2 5 c m 。作为门区的一部分的圆弧沿球门线长 2 5 e m ，垂直于球门线5 c m 。主要直线圆弧( 中线、门区边界 线和中圈) 均为白色，3 m m 宽。争球时机器人的站位( 圆) 标记为灰色，球将置于相应的争球位置( 图1 1 中的f b 位置) 。 球门宽4 0 e m ，没有横梁和网。门线是恰好位于球门前长4 0 e m 武汉工程大学硕士学位论文 的直线。门区( 图1 1 中的区域a ) 包括位于球门前尺寸为5 0 c m 1 5 c m 的长方形区域。罚球区( 图1 1 中的区域b ) 球门前尺 寸为8 0 c m 3 5 c m 的长方形区域及其附属弧形区域，弧形区域 平行于球门线长度为2 5 c m ，垂直于球门线高度为5 c m 。 为便于识别，机器人要求有大面积的识别色带，所有机器 人项部必须至少有一个3 5 c m 3 5 c m 的区域用于贴蓝色或黄 色的队标，队标在其项部清晰可见。机器人可以穿队服，但总 体尺寸必须限制在8 c m x 8 c r u x 8 c m 。 比赛规则参照人类足球比赛规则制定，略有修改。较特殊 的是当双方机器人处于相持状态或者犯规时，要在指定地点争 球或者罚球。比赛分两个半场，每半场5 分钟，中场休息l o 分 钟，以方便维护机器人。 1 4 机器人足球比赛中模糊神经网络的应用 1 4 1 应用现状 采用模糊控制、神经网络控制等智能控制方法可以较好地 解决机器人非线性系统的控制问题和复杂协调作业任务的控 制问题。在模糊控制方面【2 l ，2 2 1 ，由j j b u c k l e y 等人论证了模糊 系统的逼近特性，e h m a m d a n i 首次将模糊理论运用于一台实 际机器人，把模糊控制技术在机器人中的应用得以展现。而且， 模糊系统在机器人的建模、控制、模糊补偿控制、以及移动机 器人路径规划等各个领域都得到了广泛的应用。在机器人神经 网络控制方面 2 3 , 2 4 ，c m a c ( c e r e b e l l am o d e la r t i c u l a t i o n c o n t r o l l e r ) 是应用较早韵一种控制方法【25 1 ，它的最大特点是实 时性好，尤其适应于多自由度操作有的控制，另外，很多学者 还研究了大量的神经网络控制器 2 6 , 2 7 ，并用于机器人的控制 中。 第1 章绪论 1 4 2 存在的问题 单纯的模糊控制或神经网络控制都有其不足之处，比如模 糊控制的控制规则的选择、论域的选择、模糊集的定义、量化 因子的选取等暂时没有系统的设计方法，多采用试凑法；神经 网络网络的权值没有明确的物理意义，权值的初始化主要依靠 经验等。 针对这些的缺点，近年来许多专家学者将现代控制方法和 智能控制方法或智能控制方法之间相互结合起来。比如，文献 提出了智能神经网络控制方法，即利用模拟人脑的推理方式来 构造神经网络【28 1 ，使得神经网络不仅具有人脑的学习能力，而 且具有人脑的推理和归纳能力，更加贴近人脑的思维方式；或 者是利用人类己有的关于稳定性的理论来设计神经网络，使得 神经网络不仅能够从单一的学习样本中汲取知识，而且能够从 整个系统的角度进行自身的调整使得整个系统达到稳定和最 优，即具有大局的观念和更加广义的智能。文献将模糊控制和 变结构控制相互融合 2 9 , 3 0 】，即在模糊变结构控制器( f v s c ) 中， 把变结构框架中的每个参数或是细节采用模糊系统来逼近或 推理，仿真实验证明该方法比p i d 控制或普通滑模控制更有效。 文献【3 l 】将神经网络和变结构控制相互融合，神经网络和变结构 控制的融合一般称为n n v s c 。实现融合的途径是利用神经网 络来近似模拟非线性系统的滑动运动，采用变结构的思想对神 经网络的控制律进行增强鲁棒性的设计，这样就可避开学习达 到一定的精度后神经网络收敛速度变慢的不利影响。文献将模 糊神经网络和变结构控制相互融合p2 1 。经过仿真实验证明这些 控制方法都具有很好的控制效果。 1 ，5 本文的主要工作 在阅读大量文献和全面分析的基础上，本文详细讨论了模 武汉工程大学硕士学位论文 糊控制和神经网络控制的基本原理和应用，并结合这两种理论 的特点，针对机器人足球比赛系统中小车运动的非线性、比赛 场景的瞬间变化不确定性，设计了基于模糊神经网络的模型参 考自适应控制方法，该方法理论清晰，结构明了，通过计算机 仿真试验，验证了理论和方法的正确性和可行性。 1 介绍模糊控制和神经网络控制的基本原理、定义，详细 分析了两种控制器的基本模型、设计方法以及各自的特点和发 展： 2 分析研究了机器人小车的运动模型，基本动作设计。在 分析模糊控制方式的基础上，详细研究了如何选用模糊控制器 的结构、模糊控制器设计过程中的模糊化方法、模糊控制规则 设计方法，设计出足球机器人的模糊控制器及控制算法： 3 结合模糊逻辑和神经网络的特点，提出模糊神经网络控 制器的组合形式和基本理论，设计出基于神经网络的模糊控制 器。利用模糊神经网络，实现模糊规则的完善，优化模糊控制 系统的性能。 第2 章模期控制和神经网络的原理及应用 第2 章模糊控制和神经网络的原理及应用 2 1 模糊控制理论及模糊控制 传统控制系统设计时，都需要了解被控制对象的数学模 型。但是，对于一些生产过程，要获得既有足够的精确度，又 便于系统的数学模型是相当困难的，这就使得现代控制理论的 应用受到限制。模糊控制是从行为上模拟人的模糊推理和决策 过程的一种实用控制方法，与人的思维较为接近。它不依赖于 系统精确的数学模型，易于实现对不确定性系统及强非线性系 统的有效控制，对过程及参数变化有较强的鲁棒性，抗干扰能 力也较强。 2 1 1 模糊数学基础 在逻辑学中，包括传统逻辑和数理逻辑。为了描述具有模 糊性的事物，人们引入了模糊集合概念。简单模糊集合的概念 用语言可以简单表达如下：一般而言，在不同程度上具有某种 性质的所有元素的总和叫做模糊集合。 作为现代数学基础的集合论中，集合是指符合一定条件的 元素的全体。这样的集合是完全不模糊的，即对一个元素x ， 它要么属于集合彳，要么不属于集合4 。这个特性可以用特征 函数描述。特征函数尻( 力定义为： 、f 1 ，z 么 z a ( x ) 2 1o ，x 仨彳 ( 2 1 ) 一模糊集合 定义：设给定论域x ，其上的一个模糊子集a 是指，对 v x ej ，都指定了一个数g ( x ) e o , 1 1 与x 对应，它称为对彳的隶属 武汉工程大学硕士学位论文 度。它意味着作了一个映射： 以：j 寸f o ，】 ( 2 2 ) 这个映射称为a 的隶属函数。 模糊子集的表示方法：模糊集合由多种不同的表示方法， 一般地一个模糊子集a 可以表示成序偶 a = 征工，( 工) 】z r ( 2 3 ) 其中z 为论域，工为论域中的元素，儿( 力为相应的隶属函 数。 当论域x 为有限集或可数集，则模糊子集a 由以下三种方 法表示 ( a ) z a d e h 表示法：a = z 。( x , ) x l( 2 4 ) ( b ) 序偶表示法： _ = 眠，a “) 】 工：，u o ：) 】，【，z 。瓴) 】 ( 2 5 ) ( c ) 6 3 量表示法：a = “) ，几亿) ，a 。o 。) )( 2 - 6 ) 当论域x 为无限不可数集时，z a d e h 将模糊集合彳表示为： _ = p ( x ) x 模糊集合的运算及其性质 定义：设论域置彳，be f ( x ) ，隶属函数分别为以和如。 如果：l a b ( x ) o 时，机器人前进，当n 3 ，则取p b 或n b 的值。例如规则为： i fe = p ba e = z ot h e nu = x ，有x = 3 + 0 = 3 ，即x 为p b 。 因此上面规则可写成： i fe = p b ，a e = z ot h e nu = p b 在判断机构2 中计算e “缱，和仉并且其最大值定义为： e f t l a x = m a x i e 。，i a e 。，- - m a x | a e 。，i ( 5 ) 自调整机构 在系统中需要调节e 蛆及【，的模糊变量。为实现自调整， 把上述系统响应的七种类型归纳二大类：类型b 和c 归为振 荡类，类型d ，e ，f 归为无振荡类型，并记为前者是由控制规 则结论部分或两者摸糊量的量化级别不适应而引起的。因此， 对前者情况，只进行输出模糊量的自校正，而对于后者情况， 根据情况自校正输入或输出及输入和输出的模糊变量。 4 3 神经网络自组织模糊控制系统的设计 本文提出根据系统的动态误差来提取误差的动态特性来 进行控制。从误差波形及误差变化快慢这两个动态特性考虑， 并且对误差波形取绝对值。为了简化计算量，从常见的波形中 提取四种波形来进行分析。 四种常见的误差波形分别如图4 6 所示： & 。心。b a 类波形b 类波形 c 类波形 d 类波形 图4 6 误差的四类波形 误差波形的识别采用b p 神经网络来实现，通过识别误差 第4 章模糊控制和神经网络结合的原理及实现 波形对其按物理特性进行分类，神经网络识别器采用三层神经 网络来实现，是一个5 个输入，2 个输出的网络，隐层神经元 选9 个。经过神经网络输出预处理，分别输出0 0 ，0 l ，1 0 ，l l 来分类a ，b ，c ，d 四种波形。采用动量一自适应学习率调整算 法。取学习速率口= 0 0 1 ，运动速率为0 9 对网络进行离散训练， 通过调整网络权值，采用动量一自适应调整学习率的算法时， 经过7 2 0 多次迭代，全部样本的输出误差均小于1 0 一。 误差变化趋势e 模糊子集选取如下词集：快、中、慢、缓 慢，简写为b ，m ，s ，z 。论域为大于零的连续区域，其隶属函数 如图所示，输入变量用算术平均值求得 p-；(e4-e3xe3-e2)(e3-e2xe2-ei) 4 隶属函数取三角形如图4 7 所示： 图4 7 隶属度函数 分类规则库的构成 根据神经网络识别器分类出的波形，即a 形，b 形，c 形， d 形作出相当的控制决策，根据在操作过程中可能要遇到的各 种可能出现的情况，建立四种波形的控制表，建立规则表的基 本思想：由于对波形的分类是按对误差取绝对值来处理的，因 此a 类波形的控制表实际上是对应着二种波形，在i 象限误差 对应正值而对应误差的变化也为正值，在i v 象限的误差波形 对应负值而对应误差的变化也为负值。 武汉工程大学硕士学位论文 当误差为负的情况，如为负大( n b ) 波形，误差的变化则对 应i v 象限的波形，即误差的变化也为负值，这时误差有增大 的趋势。为尽快消除己有的负大误差并抑制误差变大，控制量 的变化应取正大( p b ) 。( 由于误差变化只读取快，中，慢，零， 所以对应误差变化大时的控制量为p a ) 。而当误差为正的情况， 如为正大( p b ) 时，误差的变化则对应i 象限的波形，则误差的 变化也为正，这时误差有增大的趋势，为尽快消除己有的正大 ( p b ) 误差并抑制误差变大，控制量应取负大( n b ) 。而当误差为 正小( p s ) 时，误差变化则对应i 象限的波形，则误差的变化也 为正，这时误差有增大趋势，为尽快消除己有的正小( p s ) 误差， 控制量应取负中( n m ) 。而当误差为负零( n o ) 时，误差变化则 对应i v 象限的波形，则误差的变化也趋于负值，当误差的变 化快( b 时) ，则控制量取正中( p m ) ，当误差变化慢( s ) 时，控制 量取正小( p s ) 。当误差变化趋势为零时，为消除误差且不超调， 控制量取零( z e ) 。以此类推。 解模糊方法常用m i n m a x 重心法。 结合第三章足球机器人模型对机器人从当前位姿b 运动 到给定目标点t 的轨迹曲线进行了仿真。图4 8 图4 1 2 是两 种控制算法控制机器人到达目标点的位置误差变化曲线、距离 误差变化曲线、姿态变化曲线。 ， o ， 1 0 ， 置 3 苗彩 d 5 m o-z1 6 ”an 重i j ， ? ， ， 二：= 二二二二么一- t - 一一 ” o 1 0 一 暑 、乡，o 乱 如 脚 挪 o zmm ”一n 幺 7 ，) t 0 3 圉4 8 用模糊控制的机器人位置误差变化图 第4 章模糊控制和神经网络结合的原理及实现 童 击 o1 2 纠弛她磊 ， o 。 1 2 2 奠，2j ， 图4 - 9 用神经网络模糊控制的机器人位置误差变化图 、 、 l o2 4 631 01 2 1 41 61 82 02 22 42 ”0 3 23 43 6 舻 图4 1 0 用模糊控制的机器人距离误差变化图 、 o 2 4 681 0 1 2 1 4 1 6 1 82 02 22 42 62 83 03 23 43 6 甜。 图4 1 1用神经网络模糊控制的机器人距离误差变化图 4 9 ， o d 肿 彤 渤 搿 钟 = 搴 为如粥m 0 宣3 口 m 0 一g ) p 武汉工程大学硕士学位论文 儡 已 盛 暑 、 、 弋一 由实验结果可以看出，两种控制算法在一定的仿真周期内 完成给定的任务，两种控制算法都能有效减小位置误差e 和 距离误差d 。但采用神经网络模糊控制的算法所得到轨迹曲线 平滑、流畅都有更进一步的提高，特别是角度的变化更平滑。 4 4 本章小结 本章将模糊技术应用在足球机器人的运动控制系统中，同 时将神经网络技术在构建模糊逻辑系统中发挥其学能力和泛 化能力，对现有模糊神经网络技术进行了研究与实验，从仿真 的结果来看，无论是动态特性还是控制精度都要优于单一的控 制系统。 如蚰加如柏如m 第5 章结论 第5 章结论 开展机器人足球比赛有力地推动了智能控制领域的研究 与实验，本文结合半自主机器人足球比赛项目平台，对机器人 的运动控制进行了分析和研究，提出了基于神经网络的模糊控 制模型，结合人类的足球比赛经验及神经网络和模糊控制理 论，研究了多智能体机器人的运动控制问题，与传统使用的比 例控制算法比较，很好的提高了机器人运动的平稳性和流畅 性。本论文对于神经网络用于模糊控制中的应用进行了研究， 选取误差动态特性的来反映控制系统的行为，提出提取误差特 征信息即对误差的动态过程进行分类，在模糊控制的基础上采 用神经网络来获取知识。本文主要的工作和成果有： 1 总结了模糊控制和神经网络研究的发展历史和研究现 状，以及神经网络和模糊控制在控制邻域的应用前景。同时较 全面地总结了国内外关于神经网络和模糊控制相结合的发展 状况和应用前景。 2 讨论了神经网络和模糊控制系统的共同点和不同点。研 究了国内外关于神经模糊控制的多种方法、模型及实现方案。 3 提出了神经网络自组织模糊控制系统，这种控制系统采 用了b p 神经网络来提取系统的误差动态变化特性，然后对误 差动态变化特性进行判断分类，根据不同的分类结果，采取不 同的控制，制成了一个分类规则库，使计算机能够把不确定的 知识化分为确定性的知识，使之对被控对象进行精确的控制， 提高了系统的静动态特性，也增强了系统的鲁棒性和智能性。 与其它神经模糊控制相比虽然在算法上、实现上较容易， 但也存在一些问题，采样时间的选择，稳定性问题，实时动态 性，结构问题等。而且无论从神经网络理论本身还是神经网络 控制的具体实现都仍有大量的问题需要进一步深入研究。其 次，神经网络控制真正应用到实践的关键以及神经网络模糊控 制的稳定性和精度将是今后研究的重点之一。 武汉工程大学硕士毕业论文 总之，神经网络和模糊控制相结合是智能控制的发展方 向，但要使它真正应用到工业生产实际中，还有许多工作要做。 参考文献 参考文献 【1 】张彦铎，洪炳熔从信息融合的角度对机器人足球的再认识 【j 机器人技术与应用，2 0 0 1 ，( 1 ) ：3 3 3 5 【2 】李士勇模糊控制神经控制和智能控制【m 】哈尔滨：哈尔滨 工业大学出版社，1 9 9 6 【3 】q j z h o u o v e r v i e wo fi n t e l l i g e n tc o n t r o l 【j 】i n f o r m a t i o n a n dc o n t r o l ，1 9 8 7 ，2 ( 1 ) ：