（控制理论与控制工程专业论文）蚁群算法在特种机器人智能控制中的应用研究.pdf

d a t eo fs u b m i s s i o n ：j a n u a r y ，2 0 1 0 d a t eo fo r a le x a m i n a ti o n ：m a r c h ，2 0 1 0 u n i v e r s i t y ：h a r b i ne n g i n e e r i n gu n i v e r s i t y 彳天0 x j 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由 作者本人独立完成的。有关观点、方法、数据和文献的引用己在 文中指出，并与参考文献相对应。除文中己注明引用的内容外， 本论文不包含任何其他个人或集体己经公开发表的作品成果。对 本文的研究做出重要贡献的个人和集体，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。 作者( 签字) ：互惦 日期： 2 ，fj年3 月侈日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校 攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨 工程大学有权保留并向国家有关部门或机构送交论文的复印件。 本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据 库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本 学位论文，可以公布论文的全部内容。同时本人保证毕业后结合 学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈 尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文( 留在授予学位后即可口在授予学位1 2 个月后 口 解密后) 由哈尔滨工程大学送交有关部门进行保存、汇编等。 作者( 签字) ：均匀 日期： ，口年，月多日 导师( 签字) ：苍太 溯，年王月侈日 i j 哈尔滨t 程大学硕士学位论文 摘要 随着科学技术的日益发展，机器人技术广泛综合了多学科的发展成果， 在人类生活应用领域不断扩大，并不断引起人们的重视。论文研究的特种机 器人是一种是自动执行工作的机器装置。它既可以接受指挥控制，也可以根 据以人工智能控制技术制定的原则纲领行动，由于其工作状态是通过各关节 的驱动控制产生连杆的运动，使悬系于末端的负载能被运送并装填到指定的 位置。该特种机器人系统可以考虑成一种多关节的机械臂系统。因此，论文 首先采用机械臂的数学建模方法对特种机器人的运动学与动力学方程进行了 推导，建立了该特种机器人的数学模型。 由于特种机器人在工作时受到各种随机干扰以及参数变化影响，因此它 是一种复杂的多输入多输出非线性耦合系统，具有时变，强耦合及非线性的 动力学特征，控制难度加大。智能控制理论的发展为解决这类复杂机器人系 统的控制问题给出了较好的方法。将模糊逻辑系统与神经网络方法相互结合 而形成的模糊神经网络f i n n ) 既具有模糊控制的推理归纳能力，又具有神经 网络并行处理、自学习且有良好的联想能力，能够更好的适应机器人系统控 制。论文将模糊神经网络智能控制系统应用于该特种机器人的控制中并进行 了仿真研究，仿真显示了该方法的有效性。 最后，论文将蚁群算法与模糊神经网络智能控制方法相结合，对其网络 参数进行智能优化训练。在m a t l a b 提供的s i m u l i n k 仿真环境下，对特种 机器人系统进行智能控制动力学仿真与控制研究。结果显示，与基于b p 算 法学习训练的模糊神经网络智能控制器相比较，采用蚁群算法优化训练的模 糊神经网络控制系统具有更为稳定准确的轨迹跟踪效果，提高了该控制系统 的泛化能力，且较b p 算法使系统训练的收敛速度更快，避免了神经网络训 练中容易陷入局部极值的缺陷。仿真分析说明了该系统的可行性与有效性。 关键词：模糊神经网络；蚁群算法；机器人智能控制；三自由度机械臂 a bs t r a c t w i t ht h ed e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g y , r o b o tt e c h n o l o g yi n t e g r a t e s t h ed e v e l o p i n ga c h i e v e m e n t so fm u l t i d i s c i p l i n a r yw i d e l y i tb e i n gu s e dm o r ea n d m o r ew i d e l yi nt h ef i e l do fh u m a nl i f e ，a n dc o n t i n u et or a i s eh u m a n s a t t e n t i o n t h es p e c i a lr o b o ti sak i n do fm a c h i n ee q u i p m e n tw h i c hc a na u t ow o r k i tc a n b o t ha c c e p tt h ec o m m a n dc o n t r o la n dw o r ka c c o r d i n gt ot h ep r i n c i p l e so f a r t i f i c i a l i n t e l l i g e n c ec o n t r o lt e c h n i q u e s t h ew o r k i n gc o n d i t i o no f t h es p e c i a lr o b o ti st h a t i tu s e st h ej o i n t st od r i v ec o n n e c t i n gr o d ss ot h a tt h el o a dw h i c hh a n g i n ga tt h ee n d o ft h er o b o tc o u l db et r a n s p o r t e da n dl o a d e di n t ot h ed e s i g n a t e dl o c a t i o n t h e s p e c i a lr o b o tc a nb ec o n s i d e r e d a sam u l t i - j o i n t sm e c h a n i c a la r ms y s t e m t h e r e f o r e ，t h et h e s i sd e d u c e dk i n e m a t i ca n dd y n a m i ce q u a t i o n so ft h es p e c i a l r o b o tb ym e a n so fe s t a b l i s h i n gm a t h e m a t i c a lm o d e lo fm e c h a n i c a la r m ，a n d e s t a b l i s h e dt h em a t h e m a t i c a lm o d e lo ft h es p e c i a lr o b o t v a r i o u sk i n d so fd i s t u r b a n c ea n dc h a n g i n go fp a r a m e t e r sa r ei m p a c tt h e s p e c i a lr o b o tw h e nt h er o b o ti sw o r k i n g s o ，t h er o b o ti s ac o m p l e xm u l t i - i n p u t a n dm u l t i o u t p u tn o n l i n e a rc o u p l i n gs y s t e m ，i th a sd y n a m i cc h a r a c t e r i s t i c so f t i m e v a r y i n g ，s t r o n gc o u p l i n ga n dn o n l i n e a r t h e r e f o r , i t sd i f f i c u l tt oc o n t r o lt h e r o b o t t h ei n t e l l i g e n tc o n t r o lg i v e sag o o dm e t h o dt od e a lw i t ht h ec o n t r o l l i n go f s u c hc o m p l e xr o b o ts y s t e m t h ef u z z yn e u r a ln e t w o r k ( f n n ) h a sc o m b i n eb o t h f u z z yl o g i cc o n t r o la n dn e u r a ln e t w o r k ，i th a sb o t hi n d u c t i v er e a s o n i n ga b i l i t yo f f u z z yc o n t r o la n dp a r a l l e lp r o c e s s i n g ，s e l f - l e a r n i n ga n da s s o c i a t ea b i l i t yo f n e u r a l n e t w o r k i t sa b l et oc o n t r o lt h er o b o ts y s t e mb e t t e r t h et h e s i su s e df u z z yn e u r a l n e t w o r ki n t e l l i g e n tc o n t r o ls y s t e mt o c o n t r o lt h e s p e c i a lr o b o t ，a n dm a k e d s a t i o nr e s e a r c h t h er e s u l to fs i m u l a t i o ns h o w e dg o o dc o n t r o le f f e c t so f t h e m e t h o d f i n a l l y , t h et h e s i sc o m b i n e da n tc o l o n ya l g o r i t h ma n df u z z yn 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 lf o ri n t e l l i g e n to p t i m i z a t i o nt r a i n i n go f t h en e t w o r kp a r a m e t e r s t h ed y n a m i cs i m u l a t i o na n dc o n t r o lr e s e a r c hf o rt h es p e c i a lr o b o ts y s t e mw e r e 哈尔滨工程大学硕十学位论文 b u i l ti ns i m u l i n ko fm a t l a b t h er e s u l ts h o w e dt h a tf u z z yn e u r a ln e t w o r k c o n t r o ls y s t e mb a s e do na n tc o l o n ya l g o r i t h mh a sab e t t e rr e s u l tf o rt r a j e c t o r y t r a c k i n gt h a nf u z z yn e u r a ln e t w o r ki n t e l l i g e n tc o n t r o l l e rb a s e d o nb pa l g o r i t h m i t i m p r o v e s t h eg e n e r a l i z a t i o na b i l i t yo ft h ec o n t r o ls y s t e m ，a n dm a k e st h e c o n v e r g e n c eo ft h es y s t e mt r a i n i n gf a s t e rt h a nb pa l g o r i t h m a n di ta v o i d st h e s h o r t c o m i n go fe a s yt of a l li n t ol o c a le x t r e m ev a l u ew h e nt r a i n i n g i nn e u r a l n e t w o r k t h es i m u l a t i o na n a l y s i ss h o w e dt h ef e a s i b i l i t ya n de f f e c t i v e n e s so ft h e s y s t e m 严 k e yw o r d s ：f u z z yn e u r a ln e t w o r k ；a n tc o l o n ya l g o r i t h m ；r o b o ti n t e l l i g e n t c o n t r o l ；3 - d o fm a n i p u l a t o r s 哈尔滨工程大学硕士学位论文 目录 第1 章绪论1 1 1 课题的背景与意义1 1 2 机器人技术发展概述2 1 3 模糊神经网络的研究与发展3 1 3 1 模糊逻辑控制概述3 1 3 2 神经网络概述4 1 3 3 模糊神经网络概述5 1 4 蚁群算法的研究与发展6 1 5 论文的研究内容7 第2 章特种机器人数学模型建立9 2 1 引言9 2 2 机器人的坐标系统9 2 2 1 位置描述9 2 2 2 方向描述9 2 2 3 位姿描述1 0 2 2 4 齐次坐标变换一1 0 2 3 机器人运动学方程建立1 1 2 3 1 连杆坐标系一1 l 2 3 2 建立运动学方程1 3 2 3 3 机器人运动的速度分析1 4 2 4 机器人动力学方程建立2 0 2 4 1 概述一2 0 2 4 2 牛顿一欧拉方程一2 0 2 4 3 牛顿一欧拉迭代动力学方程一2 l 2 4 4 动力学方程求解2 2 3 1 模糊理论3 0 3 1 1 模糊集合的定义3 0 3 1 2 模糊关系3 3 3 1 3 模糊控制系统一3 4 3 2 神经网络理论3 7 3 2 1 神经网络的基本原理3 7 3 2 2b p 网络3 8 3 3 模糊神经网络控制系统4 1 3 3 1 模糊系统和神经网络的等价性一4 1 3 3 2 基于标准模型的模糊神经网络一4 3 3 3 3 训练样本建立4 6 3 3 4 训练学习4 9 3 3 5 控制系统仿真研究及分析一5 3 3 4 本章小结5 7 第4 章蚁群算法优化训练的模糊神经网络特种机器人控制b 00 5 8 4 1 蚁群算法概述5 8 4 2 蚁群算法基本原理5 8 4 3 蚁群算法框架6 0 4 4 蚁群算法优化模糊神经网络6 6 4 5 蚁群算法优化的仿真结果及分析研究6 8 4 6 本章小结7 0 结论7 l 参考文献7 2 攻读硕士学位期间发表的论文和取得的科研成果7 7 致谢7 8 哈尔滨工稗大学硕十学位论文 第1 章绪论 1 1 课题的背景与意义 课题来源于基金项目“船载特种起重机智能控制技术研究”。 论文研究的特种机器人是一种具有多自由度的自动化装卸设备。结构类 似于工业机械臂和起重机，主要由旋转基座、基本臂和主臂组成，其中旋转 基座固连在地面上可以自由旋转以实现对臂组的方向定位，由基本臂和主臂 组成的臂组可以进行俯仰运动。 机器人技术是由多学科理论与技术集成的机电一体化技术，也是当代多 个高新学科交叉的前沿学科。机器人学涉及到机械学、计算机科学、电子工 程、控制理论与控制工程、人工智能、仿生学等众多的领域。随着机器人在 人类生产生活中应用范围的扩大以及机器人自动化程度的提高，对机器人的 控制性能提出了更高的要求。在机器人的实际应用中，工作效率和控制质量 是衡量机器人性能的重要指标。如何提高机器人的工作效率，减小操作误差， 提高稳定性成为在机器人应用中亟待解决的关键性问题，这就对高效率的控 制算法提出了要求。 机器人控制中，p i d 控制、计算力矩控制( c t m ) 、鲁棒控制( r c m ) 、 自适应控制( a c m ) 是比较典型的控制方法口1 。然而，这些方法都存在一些 不足：p i d 控制设计实现简单，设计系统的动态性能相对其它方法较差。而 c t m 、r c m 和a c m 三种系统虽然能给出很好的动态性能，但都需要机器人 数学模型方面的知识。c t m 要求机器人数学模型精确己知，r c m 要求已知 系统不确定性的界，而a c m 则要求知道机器人的动力学结构形式。由于机 器人在操作过程中常伴随着不完全信息和部分已知或不精确定义的参数，这 些先验知识很难满足大多数机器人控制器设计的要求。传统基于模型的机器 人控制方法对缺少的传感器信息、未规划的事件和作业环境中的不熟悉位置 非常敏感，不能保证设计系统在复杂环境下的稳定性、鲁棒性和整个系统的 动态性能。此外，这些控制方法不能积累经验和学习人的操作技能。因此， 近二十年来，研究人员开始把以神经网络、模糊逻辑和进化计算为代表的人 哈尔滨工程大学硕士学位论文 工智能理论与方法开始应用于机器人控制研究当中，希望通过新型控制方法 使机器人达到高速、高精度的控制要求p 1 。 1 2 机器人技术发展概述 1 9 6 2 年，美国的u n i m a t i o n 公司开发出最早的工业机器人，并被通用汽 车公司使用。从此机器人在工业发达国家得到了迅速发展。按照机器人智能 化程度的不同，机器人的发展大致可分为三代。 第一代机器人主要指只能以“示教一再现”方式工作的机器人，由于不 配备传感器，无法通过感知环境的改变来改善自身的性能品质；示教内容为 由操作员遥控操作，或是与计算机编程相结合来完成一些简单重复性作业。 第二代机器人具有定的感知能力，能获取作业环境和操作对象的信息； 采用计算机控制，通过各种算法来实现复杂精确的操作；并且具有一定的自 整定和自适应的能力，表现出低级的智能。 第三代机器人是智能型机器人，它具有多种感知功能，对外界环境有模 式识别能力；可以进行一定的逻辑思维和决策，在作业环节中自行做出决策、 规划动作，目前正处于研究和发展阶段。 随着计算机技术、微电子技术、网络技术等的快速发展，机器人技术也 得到了飞速发展。在机器人设计上采用视觉、声觉、力觉、触觉等多种传感 器的融合配置技术来进行环境建模及自主控制，提高了机器人的对环境的适 应性；日本y a s k a w a 和德国k u k a 公司的最新机器人控制器己实现了与 c a n b u s 、p r o f i b u s 总线的联接，使机器人由过去的专用设备向标准化、网络 化的应用设备发展迈进了一大步；由于微电子技术的快速发展和大规模集成 电路的应用，机器人系统采用模块化结构，大大提高了系统的可靠性、易操 作性和可维修性。 我国的机器人研究开发工作始于2 0 世纪7 0 年代初，到现在已经历了3 0 年的历程。在国家的支持下，通过“七五”、“九五机器人技术攻关、“8 6 3 高技术发展计划的重点支持下，目前已基本掌握了机器人操作机的设计制造 技术、控制系统硬件和软件设计技术、运动学和轨迹规划技术，生产了部分 哈尔滨= r 程大学硕十学位论文 机器人关键元器件，开发出喷漆、弧焊、点焊、装配、服务、搬运等机器人。 其中如喷漆、弧焊机器人等已经在自动化生产中获得广泛应用。在机器人基 础研究方面：诸如机器人机构运动学、多体系统动力学理论，机器人运动控 制算法及模态分析、有限元分析、仿真设计等现代设计方法，机器人编程语 言的研究，机器人内外部传感器的研究与开发，智能机器人的控制技术等均 取得较大进展，并在实际工作中得到应用。目前我国机器人技术正在蓬勃兴 起，工业机器人相关产业在快速形成。 但总体来看，我国的工业机器人技术产品及其工程应用的水平和国外先 进水平比还有较大的距离：可靠性低于国外同类产品：应用领域相对狭窄； 生产技术与国外有差距。因此迫切需要解决机器人化机械化前期的关键技术， 从而积极推进自动化进程。 论文研究的特种机器人是工业机器人( 机械臂) 和起重机系统相结合的 产物，同时具有机器人和起重机系统的结构特点和工作方式。由回转关节和 俯仰关节组成的机械臂组，分别由液压马达和液压油缸驱动，是一个多变量 的非线性耦合系统，同时由于其工作环境导致起重机的运动规律非常复杂， 控制难度加大。 1 3 模糊神经网络的研究与发展 1 3 1 模糊逻辑控制概述 1 9 6 5 年，在( ( f u z z ys e t s ) ) 这篇模糊集的开创性论文中，l a z a d e h 提出了用模糊集作为定量化的手段，人们从此才能对所有的模糊概念进行定 量表示m 1 。z a d e h 创造性的提出了隶属函数的概念，有可能去研究那些边界不 明确的模糊事物和状态。1 9 6 6 年，p n m a r i n o s 发表了模糊逻辑的研究报 告。后来，z a d e h 又提出了模糊语言变量这个重要的模糊逻辑概念。到1 9 7 4 年时，z a d e h 又进行了模糊逻辑推理的研究。从此，模糊逻辑成为人们研究 的一个热门课题。1 9 7 4 年，伦敦的q u e e nm a r r yc o l l e g e 的e h m a m d a n i 首次用模糊逻辑和模糊推理实现了蒸汽发电机的压力和速度控制，并取得了 比传统的p i d 控制更好的效果。它的成功也标志着人们采用模糊控制进行工 哈尔滨工稃大学硕士学何论文 业控制的开始，为模糊控制理论的实际应用开辟了崭新的前景。 从此以后，模糊理论的应用，特别是在工业控制中的应用得到了迅速的 发展。 例如，1 9 7 5 年到1 9 7 6 年间，荷兰d e f t 高等工业学校的v n l e m k e 和w k i c k e r t 研究了热水站的模糊控制，令这个用传统方法难以进行控制的 多变量非线性对象实现了稳定可靠的控制。1 9 7 7 年，c p a p p i s 等人用模糊 控制的方法进行十字路口的交通管理，也取得了良好的效果。1 9 8 0 年，丹麦 的f l s m i t h 公司成功的将模糊控制应用到水泥窑的自动控制中。此外， r u t h f o r d 和c a r t e r 将模糊控制应用到钢铁工业，也收到了良好的控制效果。 九十年代以来，日本日立制作所己将模糊控制算法应用于东京一大阪超 高速列车的运行控制中，构成了“舒适”的模糊控制系统，火车的加速和停 止过程中甚至比手动控制更平缓。而在家用电器方面松下电器、三洋电机等 公司也普遍通过应用模糊控制算法，形成了智能化的家电产品并成功投放市 场。 模糊控制对非线性、大滞后等经典控制理论中的控制难题都取得了不错 的效果，而且它的设备简单，投入成本低，近年来其应用领域越来越广泛。 目前，在国内外，模糊控制除了在工业窑炉运行过程中获得应用外，还广泛 应用于机床控制、液压伺服系统、电力系统故障诊断、温度控制、家庭电器 等方面。 1 3 2 神经网络概述 神经网络是- - f - j 新兴的学科，综合性和交叉性很强，包括实际生物神经 网络和人工神经网络两个方面。 早在二十世纪四十年代，1 9 4 3 年一i i , 理学家w m c c u l l o c h 和数学家 w p i t t s 合作提出了神经元的数学模型，称为m p 模型。开仓0 了神经科学 理论研究的时代。1 9 4 9 年，心理学家h e b b 通过对大脑神经细胞学习和条件 反射的观察，提出了h e b b 学习模型，建立了神经网络研究的基础。1 9 5 8 年， f r o s e n b l a t 首次设计了感知器( p e r c e p t r o n ) 模型，模拟人脑的感知及学习能 力，首次将神经网络从理论研究转入工程实践阶段，掀起了研究神经网络理 4 哈尔滨t 程大学硕士学位论文 论的高潮。h o p f i e l d 于1 9 8 2 ，建立了h n n 模型，引入了“能量函数”的概 念，即l y a p u n o v 函数，给出了网络稳定性的判据，为网络的实现及应用找 到了理论依据，同时开拓了神经网络用于联想记忆和组合优化的新途径，激 励了许多优秀的科学家、数学家和工程师加入到神经网络的研究行列来。 1 9 8 6 年，d e r u m e l h a r t 等在研究多层神经网络权值修正问题过程中 提出了误差反向传播算法( b p 算法) ，成为应用最广泛的学习算法之一。 b r o o m h e a d 等最早将径向基函数应用于神经网络设计p ，构成了局部逼近网络 r b f ，加快学习速度的同时避免了局部极值问题。c h e n 等人成功地将多层神 经网络用于非线性系统的自校正控制问题嗍，l e w i s 等将神经网络稳定自适应 控制用于连续离散非线性系统、刚性柔性连杆机械手、轨迹跟踪等方面，都 取得了较好的效果p 1 。 近年来，神经网络的研究已经成为了一个研究热点，研究学者们提出和 研究了多种神经网络的模型、算法及应用问题，特别是在人工智能、自动控 制、计算机科学、信息处理、模式识别等方面都有重大的应用实例。 1 3 3 模糊神经网络概述 人工神经网络系统和模糊逻辑系统在应用中各自存在一些问题，于是研 究人员开始尝试将两者结合，即能有效利用语言信息又具有强大的自学习和 自适应能力，并且模糊神经网络中的结构与权值都有一定的物理含义。在设 计模糊神经网络结构时，同时，模糊神经网络中的权值的初始化可根据先验 知识人为地加以选择。这样，网络的学习速度大大加快，并在一定程度上回 避了梯度优化算法带来的局部极值问题碍。们。 1 9 9 3 年，j a n g 提出了并设计了基于网络结构的模糊推理器模型，这便是 最早的模糊神经网络雏形。k o s k o ”和王立新2 j 3 3 等人先后从理论上证明了模 糊逻辑系统和神经网络系统共有的对非线性函数的任意逼近能力和二者的等 价性。 自此以后，研究人员设计出了多种模糊神经网络结构和学习算法。例如 c h e n gcm 将静态t s 模糊模型与多层前向网络结合而成的t s 型模糊神经 网络，在系统建模有特殊优势4 1 。l e e 等人提出了一种二阶模糊神经网络系 哈尔滨丁程大学硕七学位论文 统和扩展的反传算法，用于系统辨识当中”引。孙富春等通过动态逆的设计克 服动态神经模糊系统状态必位于某紧集的要求，保证了设计系统在初始段 的动态性能”6 1 。m e l i n 等人针对摆动机器人( p e n d u b o t ) 的控制，研究了基于 二阶模糊逻辑系统的神经模糊自适应控制”；w a n gjs 等人将模糊神经控制 和传统的p d 控制相结合，用于逼近自主水下潜器的逆动力学”；冯刚等人 采用滑模控制对动态模糊系统进行补偿，都取得了很好的效果”9 1 。 1 4 蚁群算法的研究与发展 最早提出的蚁群算法是意大利的米兰理工学院的d o r i g o m 等人在研究 组合优化问题的计算机解决方法时的研究成果。蚁群算法最先应用于解决旅 行商问题( t s p ) ，随后v m a n i e z z o 等把蚁群算法用于解决指派问题( q a p ) 。最 初的蚁群算法理论没有突破性进展，也就没有引起国际学界的广泛关注。 19 9 6 年d o r i g o m 在( ( a n ts y s t e m ：o p t i m i z a t i o nb ya c o l o n yo f c o o p e r a t i n g a g e n t s ) ) 一文中系统阐述了蚁群算法的基本原理和数学模型，并把蚁群算法的 用途扩展到解决非对称旅行商问题( a t s p ) 、指派问题( q u a d r a t i ca s s i g n m e n t p r o b l e m ，q a p ) ，车间作业调度问题( j o b s h o ps c h e d u l i n gp r o b l e m ，j s p ) 多 种应用上。蚁群算法逐渐得到各国研究者的关注，产生了大量研究成果【2 吣引。 g u t j a h rw j 于1 9 9 9 年提出的图搜索蚂蚁系统( g r a p h b a s e da n ts y s t e m ， g b a s ) 将蚁群算法的行为简化为在代表所有待求解问题有向图上的行走过 程，从有向图论的角度对g b a s 的收敛性进行了分析口”4 1 。为了克服蚁群算 法停滞现象，t h o m a ss t u t z l e 等提出了最大最小蚂蚁系统( m a x m i na n t s y s t e m ，m m a s ) ，将路径上残留信息量彳限制在一定范围 f 疵，f 一 内，避免 某条路径的信息量远大于其他路径导致蚂蚁过于集中的早熟现象。将信息素 初始化为f 。一可使蚂蚁在算法行动的初始阶段能够更广泛地搜索新的更高 质量的解瞄5 。 我国最早开展蚁群算法研究的是东北大学的张纪会博士与徐心和教授 口6 1 。近年来，丁建立将遗传算法和m m a s 算法相结合，提出了g a a a ( g e n e t i c a l g o r i t h m a n ta l g o r i t h m ) g 法口丌。吴庆洪等在蚁群算法引入了逆转变异机制， 6 哈尔滨 二程大学硕十学位论文 i i 使得该方法具有较快的收敛速度p 引。高玮等将人工免疫算法引入蚁群算法， 提出了免疫连续蚁群算法，并成功地将算法应用到岩土工程分析中口训。段海 滨等将蚁群算法用于解决p i d 等控制器的参数优化问题删。同时在系统辨识、 图像处理、转台控制、数据挖掘和机器人路径规划等方面，我国学者也取得 了不少成果p “刈。 目前，蚁群算法己成为国际智能计算领域中的一个重要分支，在相关国 际会议上多次作为专题讨论。尽管蚁群算法不像遗传算法、模拟退火算法等 具有相对坚实的数学理论基础，但从其应用效果来看，这种模仿自然生物系 统的智能进化仿生算法无疑具有远大前景。 本文应用蚁群算法对模糊神经网络控制系统参数进行优化训练，以期达 到改进和提高控制效果，并进行了仿真研究。 1 5 论文的研究内容 本课题的研究主要在对特种机器人的作业特点的分析基础上，借鉴机器 人建模理论，将机器人考虑为三自由度机械手臂，用齐次变换法建立其连杆 坐标系，建立了较为严谨的运动学模型。解决了在笛卡尔空间中机械臂连杆 质心加速度、速度、位置在不同坐标系间的表示问题，然后结合牛顿一欧拉 法建立了该机器人的机械臂动力学模型，总结了详细的建模方法和过程。在 人工智能技术的基础上，建立了模糊逻辑系统和神经网络相结合的智能控制 方法。将蚁群算法优化技术应用到该模糊神经网络控制器的参数优化训练中， 首次对特定的机器人智能控制系统进行仿真研究，与传统b p 算法训练的模 糊神经网络仿真结果比较，提高了模糊神经网络智能的控制效果，避免了陷 入局部最优的问题，通过仿真研究说明了其有效性。论文研究内容和安排如 下： 第一章介绍了论文的选题背景，模糊神经网络智能智能控制方法，蚁群 算法的研究和发展。 第二章给出了机器人运动学及动力学建模方法，详细地推导了论文研究 的特种机器人模型建立过程。 哈尔滨t 程大学硕士学位论文 第三章简要介绍了模糊和神经网络系统，给出了模糊系统和多层前向神 经网络的非线性逼近定理，通过该定理的证明保证了模糊系统和神经网络实 际应用的可行性。接着给出了模糊神经网络的结构和学习算法，这些是后续 优化研究的基础。采用b p 进行学习训练，仿真显示该控制器具有很好的控制 效果。 第四章描述了蚁群算法基本原理及实现，将智能优化方法蚁群算法与模 糊神经网络相结合，对模糊神经网络器的参数进行优化训练，最后通过对该 机器人控制系统进行仿真研究，与b p 算法训练的模糊神经控制结果相比较， 说明了其具有快速收敛速度和良好的跟踪控制效果，提高了系统的联想记忆 能力和泛化效果。 最后对课题研究进行了总结，并对未来工作提出了展望。 哈尔滨工程大学硕十学位论文 第2 章特种机器人数学模型建立 2 1 引言 机器人运动学与动力学的主要任务是为机器人运动控制提供分析的理论 和方法，因此需要建立末端执行器、各运动构件的位置、方向、速度之间的 关系。前者研究机器人的运动特性而不考虑产生运动时施加的力；后者研究 机器人的运动和使之运动而增加的力和力矩之间的关系。对于各运动构件之 间笛卡尔坐标系的变换关系，本文采用齐次坐标变换，以此导出末端执行器、 各运动构件与各关节的位置、速度、加速度及力( 或力矩) 的计算方法。 本课题研究的机器人是一个类似机械臂的系统，由一个旋转底盘、一个 回转关节和俯仰关节组成。对它的建模可以考虑成旋转机器人运动学及动力 学建模的方法来实现。 2 2 机器人的坐标系统 2 2 1 位置描述 在直角坐标系臼) 中，空间任一点的位置可用3 1 列向量 彳p = b ，p ，p ：r 表示( 彳p 称为位置矢量) 。p ，p ，p ：分别是该空间点 在直角坐标系臼) 中x ，y ，z 轴向的三个分量。 2 2 2 方向描述 为了研究机械臂的运动与操作，往往不仅要表示空间某个点的位置，而 且需要表示物体的方位( o r i e n t a t i o n ) 。物体的方位可由某个固接于此物体的 坐标系来描述。设一直角坐标系忙) 与此刚体固接。坐标系口) 的三个主轴方 向的单位矢量h ，y b ，z 口相对于坐标系臼) 的方向余弦组成的3 3 矩阵：r 称为旋转矩阵： 9 彳r = 一x 占爿y 口 一z 占，= 兰i ；兰；兰 c 2 一， 其中，r 的上标a 和下标b 表示r 是伽) 相对于臼) 的关系。 2 2 3 位姿描述 综上所述，刚体在0 ) 中的位姿可由其固联的坐标系口) 在0 ) 中的方向 和位置来描述，固联坐标系招) 的原点在0 ) 中的位置和忙) 的三个轴相对于 的方向分别表示了刚体在中的位置和方向。例如，用；r 和一b g 来描述坐标 系忙) ，其中一只g 是确定坐标系伽) 的位置矢量： 臼) = 0 尼彳b 伽g ) ( 2 2 ) 2 2 4 齐次坐标变换 机械臂的运动是由转动和平移组成的。为了能用同一矩阵表示转动和平 移，引入了齐次坐标变换的概念。齐次坐标是用玎+ 1 维坐标来描述玎维空间 中的位置。其第玎+ 1 个分量称为比例因子。齐次坐标不仅具有较为直观的几 何意义，而且能够以此求解连杆机构的运动学问题，还给坐标变换的数学表 达带来方便，有利于这类问题的动力学研究以及进行实时有效的控制。 在机械臂系统的分析中，齐次变换矩阵写成以下形式： 批脍p 州 任3 ， 对于仅有平移变换的情况，：丁记作： ：丁= 乃玎0 ，p ，p ：) ： | ，d d p h djd p y 。 o o l p z oool 1 0 ( 2 - 4 ) 哈尔滨t 程大学硕十学位论文 利用齐次变换矩阵的概念，对纯转动3 x 3 旋转矩阵可扩充为4 x 4 齐次变 换矩阵，对于仅有基本旋转的情况，协) 绕臼) 的x ，y ，z 轴作转角为0 的 齐次变换，分别可得： r o t ( x 9 ) = r o t ( y 8 ) = r o t ( z 9 ) = 0c o s0 s i n 00 0s i n0c o s 口0 d001 c o s 0 0s i n00 d100 一s i n 口0c o s00 oool c o s0 一s i n 乡00 s i n0c o s 00 0 oolo 00 0 、1 2 3 机器人运动学方程建立 2 3 1 连杆坐标系 ( 2 5 ) ( 2 6 ) ( 2 7 ) 机械臂系统作为一种多刚体系统。为了对其进行研究，除了要了解机械 臂末端相对于绝对坐标系的位姿及运动外，我们还要了解各杆、各关节相对 于绝对坐标系的位姿及运动，以及各杆件间的空间关系与空间关系随时间的 变化情况。为了描述每个连杆与相邻连杆之间的相对位置关系，需要在每个 连杆上定义一个固连坐标系。根据固连坐标系所在连杆的编号对固连坐标系 命名，因此，固连在连杆f 上的坐标系称为坐标系p 力。 按照如下的方法确定连杆上的固连坐标系：坐标系研的z 轴称为z ，并 与关节轴f 重合，坐标系协的原点位于公垂线口，与关节轴f 的交点处。文i 沿a ； 方向由关节f 指向关节f + l 。 哈尔滨t 程大学硕士学何论文 当口，= 0 时，j ，垂直于2 i 和2 m 所在的平面。按右手定则绕j i 轴的转角 定义为，由于文j 轴的方向可以有两种选择，因此的符号也有两种选择。 r 轴由右手法则确定，从而完成了对坐标系的定义。 固连于机器人基座( 连杆o ) 上的坐标系为坐标系p ) ，这个坐标系是一 个固定不变的参坐标系，研究运动学问题时可以当做参考坐标系。接下去相 连的为连杆1 ，2 ，刀，与连杆f ( 1 f 刀) 相连的有两个关节：关节f 与关 节f + l 。本文中将坐标系建立在关节f 上( 坐标系前置) 。 连杆参数定义如下： 口，= 沿j ，轴，从2 ，移动到乏+ 。的距离； = 沿x i 轴，从2 ，旋转到2 川的角度； d i = 沿2 ，轴，从膏h 移动到譬，的距离； 、 谚= 沿乏轴，从戈h 旋转到碧，的角度。 建立连杆坐标系的步骤： 1 找出各关节轴，并标出轴线的延长线，在后面的步骤中，仅考虑两个 相邻的轴线关节轴f 与关节轴f + l 。 2 找出关节轴f 与f + l 之间的公垂线或关节轴i 与f + 1 的交点，以关节轴 f 与i + 1 的交点或公垂线与关节轴f 的交点作为连杆坐标系矗) 的原点。 3 规定2 j 沿关节轴 f ) 的指向。 4 规定j ，轴沿公垂线的指向，如果关节轴f 与i + 1 相交，则规定文；轴 垂直于关节轴f 与f + 1 所在的平面。 5 按照右手定则确定p 轴。 6 当第一个关节变量为0 时，规定坐标系 o ) 和a ) 重合。 哈尔滨t 稗大学硕士学位论文 建立的连杆坐标系如图2 1 所示。 图2 1 连杆坐标系 2 3 2 建立运动学方程 、 建立附体坐标系后，为了表示各连杆之间的相对关系，需要建立杆件间 的齐次变换阵。 首先确定连杆坐标系矗) 相对于 f 一1 ) 的变换。坐标系 i ) 可以看作是先与 f 一1 ) 重合，然后经过4 次变换得到的一个坐标系。这些变换依次为：先绕x h 旋转一，得到函) ，缸) 沿x h 平移口h 得到p ) ， v ) 绕z ，旋转鼠得到m ， w ) 沿z ，平移d ，得到 f ) 。得到： 卜i ，丁= 7 - 2 r ( x - 1 ，o l i 一1 ) l ：，t r a n s ( a h ，o ，o ) ：r o t ( z ，只) i 砌玎s ( o ，0 ，d ，) c o s 只 s i n o f c o s o r i l s i n o s i n a f l 0 一s