机器人自适应转向单神经元PID控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106054598A(43)申请公布日2016.10.26(21)申请号201610297395.5(22)申请日2016.05.05(71)申请人安徽农业大学地址230036安徽省合肥市长江西路130号(72)发明人朱诚焦俊辜丽川吴国栋乔焰王超王永梅许正荣范国华(74)专利代理机构安徽合肥华信知识产权代理有限公司34112代理人余成俊(51)Int.Cl.G05B13/04(2006.01)G05B11/42(2006.01)G05D1/02(2006.01)权利要求书3页说明书8页附图3页(54)发明名称机器人自适应转向单神经元PID控制方法(57)摘要本发明公开了一种机器人自适应转向单神经元PID控制方法，首先建立机器人转向系统的转向模型，然后构建RBF神经网络，最后构建PID控制系统。本发明针对机器人转向系统的机械结构及数学模型的特点，设计了基于RBF在线辨识的机器人转向单神经元PID控制，将RBF神经网络与单神经元PID控制相结合应用于非线性的机器人转向系统，既充分利用了RBF神经网络最佳逼近性能的特点和单神经元适应性强的优点，也克服了PID控制中学习算法的不足。CN106054598ACN106054598A权利要求书1/3页1.机器人自适应转向单神经元PID控制方法，所述机器人作为移动传感节点，机器人的前两轮为转向轮，后两轮为驱动轮，其特征在于：包括以下步骤：(1)、建立机器人转向系统的转向模型：构建电机转角与转向轮转角的比例系数为1、两相混合式步进电机作为转向器的转向系统，该转向系统包括同轴连接两转向轮的轮轴，轮轴上铰接有一对梯形臂，两梯形臂上端之间铰接有转向横拉杆，步进电机为两相混合步进电机，步进电机与一个转向摇臂传动连接，转向摇臂臂端与一个转向直拉杆铰接，转向直拉杆杆端与一个转向节臂铰接，转向节臂臂端铰接在其中一个梯形臂与轮轴的铰接点；当外部转向控制器发出转向信号时，步进电机通过花键带动转向摇臂旋转，转向摇臂带动转向直拉杆作竖直方向的平动，再带动转向节臂做转动，转向节臂带动梯形臂和左轮转动，同时梯形臂带转动向横拉杆作横行平移，从而带动右侧的转向节臂转动，实现右轮的转向；由于转向系统中转向器选用的是两相混合式步进电机，其传递函数如公式(1)所示：G(S)＝θ'/θi(1)，公式(1)中，θ'是步进电机的输出角度，θi代表步进电机的输入角度，经过微分方程推导得转子的运动方程如公式(2)所示：公式(2)中，J是电机或变速机构折合到电机轴上的转动惯量，单位是kg.m；f是电机或变速机构折合到电机轴上的粘性摩擦系数，单位是kg.m.s/rad；是摩擦转矩；λ是极距角；φm是永磁体交链磁通；P是转子齿数；在零初始条件下，当iA＝iB＝i0，对公式(2)进行拉普拉斯变换，可推导出相应的转向系统传递函数模型如公式(3)所示：公式(3)中，I0是额定相电流；是无阻尼固有频率；ξ＝f/(2Jωnp)是衰减系数；(2)、构建RBF神经网络：RBF神经元网络由输入层、隐含层、输出层三层网络构成，输入层到隐含层权值固定为1，负责信号的传递,隐含层由一组高斯基函数神经元构成，隐含层到输出层之间权值可调，而输出层的激励函数为线性函数,因此输出层是隐含层输出的线性组合；RBF的隐单元按公式(4)输出：k公式(4)中，是输入矢量；hi(x)是第i个隐单元的输出；ci＝[ci1,ci2,...cim]是第i个隐单元高斯函数的中心矢量；b＝[b1,b2,...,bm]是基宽向量；W＝[w1,2CN106054598A权利要求书2/3页kkw2,...,wm]是隐含层到输出层的权向量；||x-ci||表示向量x和ci之间的距离，随着该向量kkk距离的增大hi(x)的值迅速减小,因此对每一个输入x,只有中心靠近x的少数几个隐含层神经元处于激活状态；根据函数逼近原理，RBF网络的输出为隐层节点输出的线性组合，RBF神经网络的输出如公式(5)所示:(3)、构建PID控制系统：基于RBF在线辨识的单神经元PID控制系统主要由SNPID和RBFNNI两部分构成，利用神经网络的非线性函数逼近能力和学习记忆功能，由RBFNNI快速跟踪转向信息的变化，对被控对象信息进行辨识，SNPID利用RBFNNI提供的信息，实时调整PID控制器的参数，达到PID控制器参数的在线自整定，包括以下步骤：(3.1)、设计RBF神经网络辨识器RBFNNI：取x＝[u(k),u(k-1),y(k-1)]为RBFNNI的输入向量，其中，u(k),y(k)分别为转向系统的控制值和反馈值，逼近误差em＝y(k)-ym(k)，性能指标函数选取为：根据梯度下降的思想，采用迭代算法确定权节点、节点中心及节点基宽参数，其