基于模糊、神经网络技术的水下机器人运动控制的研究.doc

哈尔滨工程大学硕士学位论文基于模糊、神经网络技术的水下机器人运动控制的研究姓名：郑曙光申请学位级别：硕士专业：船舶与海洋结构物设计制造指导教师：徐玉如20030101哈尔滨料人。学硕士学位沦文，（），：（），（），（）哈尔滨：群人学硕十学位沦文第章绪论引言随着社会的发展和物质文明的进步，陆地上的资源正在日益枯竭，而浩瀚而神秘的海洋中蕴藏着丰富的资源，如石油、天然气、各种稀有金属等。据估计，这些资源在海洋中的储藏量是陆地的几十到几百倍。海洋资源的开发和利用对人类未来的生存和发展将具有十分重要的意义。水下机器人由于机动灵活，能够在深海中长时间工作而日益成为人类开发利用海洋的重要工具。此外，水下机器人在军事领域也有重要的应用。因此，水下机器人的研制和利用，具有重要的战略意义和价值。水下机器人的分类水下机器人一般分为无人和有人两大类”】：无人水下机器人，又称为遥控式水下机器人，可以归纳为带缆自由航行、海地爬行、拖航和无缆四大类。第一艘遥控式水下机器人（，）年就研制成功了，之后的年中发展缓慢。上世纪年代后，由于海洋工程和近海石油开发的需要，遥控式水下机器人才得到了迅速发展，目前已发展到上千艘。俄罗斯在这方面具有较高声誉，较为著名的有、等。无人无缆水下机器人（，）主要用于军事目的，完成海洋传导性、温度和压力剖面测绘。在科学研究方面，主要用作活动的水声平台，兼作水下程序控制系统的研究。目前在工业上应用较少。斯坦福大学开发的水下机器人一。丁陋冠）的目的是使无人、无缆水下机器人成为科学和工业界在开发海洋中常用的一种工具。自主式水卜机器人，）又叫智能水机器人，是随着计算机技术、通信技术、人一智能的发展而出现的新型智能化的水】机器人，足近儿年水机器人发展的要疗向。加拿大用年的喻尔滨科大学硕十号位论文时间丌发了，用于铺设北冰洋中冰层覆盖下的海底光缆，也可以用于远程调查、远程猎雷等；英国在年丌发了一部用于海洋科学（海流、温度等）研究的，到年，已经在英国沿海完成了项工程和科学使命。此外，美国海军研究生院的和，麻省理工学院的都对自主式水下机器人的研究和应用做出了有益的尝试。目前大多数载人潜水器属于自由航行式潜水器，根据任务的不同，它有：观察型、水下作业型、潜水员水下出入型以及干转移（水下对接）型等多种类型。国内研究现状我国从年代开始了对水下机器人的大规模研制工作，先后研制出了艇（有缆有人）、型救生钟（有缆有人）、水下机器人（有缆无人）、军用智能水下机器人（有缆无人）、一，米水下机器人（无人无缆）、智水号（有缆无人）等水下机器人，并形成了“二所三校一厂”（沈阳自动化所、所、哈尔滨工程大学、上海交通大学、华中理工大学及武昌造船厂）的水下机器人研制主体单位。水下机器人是一个多学科的综合产物，其中包含了结构设计、材料学、自动控制、流体力学、新型能源、数据通信等多项技术。水下机器人的运动控制是其完成指定任务的前提和保障，是水下机器人的关键技术之一。由于其本身形状的不规则性、非流线型、海流的非定常性、拖缆的影响、由于作业不同而造成质量的变化等等原因，使其动力学模型是时变、强耦合、强非线性的，难以准确得到。并且，水下机器人运动控制系统是一个多输入多输出系统，存在系统的复杂性与控制精度要求高的矛盾。可见，对水机器人运动控制进行研究有着理论和实际意义。智能控制理论的新进展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，通过在系统控制和决策中引入人工智能，实现了对传统控制理论难以控制的系统的彳丁效控制。错能控制是高级自动化系统的重要控制方式，它有以两个特点：哈尔滨科人学颂学位论文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。在智能控制出现后的短短十几年中，由于智能控制在核反应堆控制、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。年，在美国纽约召开了第一届智能控制学术讨论会，会上集中讨论了智能控制的原理和体系结构等问题。年月，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。模糊控制模糊控制是从逻辑（行为）上对人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。它本质上是一种非线性控制，适于对难以建模的对象实施鲁棒性控制，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、学习和适应的能力。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，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。神经网络控制神经网络控制是从结构上对人脑的模拟基础上，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。神经网络控制按结构可分为前馈神绎网络和反馈神经网络。利埘算法的多层向嘲络（）哈尔滨程大学硕学位论文是目前最为广泛的神经网络模型之一。尽管算法己成功应用于许多实际问题，但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。已有学者”提出了可裁剪的网络结构设计方法。在丌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。通过在网络目标函数中引入表示网络结构复杂性的惩罚项，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。在训练过程中那些冗余连接的权值将衰减到（或附近），从而被删除。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。通过对结构进行编码（直接的或间接的），遗传操作，得到满意的网络结构。出于梯度下降法往往导致局部极值，对的学习算法，人们提出了许多改进措施【】。随机梯度法，是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。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问关系的研究以及二者的结合是主要研究热点。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（）是主要方向之一。模型有很多种，常见的有基于的、基于径向基函数网络的，以及由样条神经网络和网络等形式构成的实现模糊系统的从结构上看主要有两类，其一是在结构中引入模糊逻辑，使其具有直接处理模糊信息的能力，如在普通神经元中的加权求和运算转变为和运算，从而构成模糊神经元。其二是直接利用的学习功能及映射能力，去等效模糊系统的各个模糊模块，这种模糊神经刚络义可分为基于标准模型的模糊神经网络和基于模型的模糊神经网络哈尔滨：稚人学硕十学位论文课题来源和论文主要内容课题来源本课题来源于我校和“长城水下高技术公司”合作的“水下综合探坝机器人”项目。论文主要内容本论文研究了水下机器人四自由度运动建模、神经网络和模糊逻辑的基本理论及其在水下机器人运动控制中的应用。作者在阅读大量文献和全面分析的基础上，讨论了模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，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。论文的主要研究内容可以概括为以下几个方面：）建立水下机器人运动仿真系统；）介绍模糊控制和神经网络控制的基本理论，设计水下机器人的模糊控制器和神经网络控制器；）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，设计基于模糊神经网络的模型参考自适应控制器。利用模糊神经网络，实现模糊规则的自动提取并完善。）仿真并分析、比较结果。）论文总结哈尔滨。群人学硕学位论文第章水动力模型和仿真系统对系统进行分析、综合和预测研究时，需要作出系统的动态特性，这时实际系统可能尚未完成或者由于经济性、安全性等因素考虑，在实际系统上进行实验往往办不到，于是就要借助于仿真系统。仿真就是模型实验。数学模型是对一个物理系统的数学表达。水下机器人水动力模型是机器人在水下运动时的动力学抽象。本文在水下机器人动力学模型的基础上，建立了水下机器人运动仿真系统，以便于控制器的设计和调试。水下机器人的结构本论文以“水下综合探坝机器人”为研究对象。该平台是框架式结构，其结构布置如图所示。共有个推力器，主推左右各一，侧推前后各一，垂推左右各一。根据工作要求及推力器布置，机器人可作纵向、横向、垂向及摇艏运动。阁探坝机器人总体结构阔坐标系的选取固定坐标系和运动坐标系任何运动数学模型都是基于一定的坐标系，这里首先确定水下机器人运动的坐标系。本论文采用国际水池会议（）推荐及造船与轮机工程学会（）术语公报的体系。坐标系属于下列两种右手系：固定坐标系一亭（简称“定系”）及运动坐标系（简称“动系”）。一、固定坐标系：又称惯性坐标系。原点可选地球上某一点。毒轴位于水平面，以机器人的主航向为正；印轴位于善轴所在的水平面，按右手法则将轴顺时针旋转。即是；轴垂直于口玎坐标平面，指向地心为正。二、运动坐标系：原点选在机器人重心处；轴、，轴、轴，分鄹是经过点的水线面、横剖面和纵中剖面的交线，轴指向机器人首为正，其它按右手系的规定。务汉。）？图固定坐标系和运动坐标系（北向）运动参数的表示机器人重心处相对于固定坐标系的速度为，在坐标系上的投影为“（纵向速度）、，（横向速度）、，（垂向速度）；同理，机器人以角速度转动存一班带杨；系：的投影为，（横倾角速度、纵倾角速度）、哈尔滨程人学硕士学位论文，（摇首角速度）：机器人所受外力在坐标系上的投影为（纵向力）、（横向力）、（垂向力）；力矩的投影为（横倾力矩）、（纵倾力矩）、（摇首力矩）。速度和力的分量以指向坐标轴的正向为正，角速度和力矩的正负号遵从右手系的规定。各符号列于下表：表运动和动力参数矢量轴轴轴速度矿“角速度日力，力矩丘固定坐标系和运动坐标系的转换关系两坐标系的转换关系如下川：令：妒，￥（够，忙妒，（业，妒一矿（妒妒一口妒一妒伊（）妒口妒妒弘够，：哈尔滨：科人学硕士学位论文缈妒矿妒￥空间操纵运动方程水下机器人在水下常做六自由度空间运动。本文所讨论的“水下综合探坝机器人”根据工作需要，主要利用六个推力器做升潜、横移、纵移和摇艏运动，考虑机器人的能力及实际影响，可以近似用四自由度方程来插述：（，）十户槐（廿甜，工，）（）（谛一。一寸）（）一（西一）】式中：水下机器人相应于水下全排水量的质量；，。，水下机器人重心在动坐标系中的坐标；，：水下机器人质量相对于动坐标系轴的转动惯量。方程右端肖，表示的力和力矩包括：水下机器人受到的重力和浮力、推进器的推力、水下机器人运动引起的流体水动力和一些环境外力。由上式可知，若知道当前时刻机器人的运动状态和作用在其上的外力和外力矩，就能解算出水下机器人下一时刻的运动状态，从而得以构建水下机器人的运动仿真系统。重力和浮力作用在水下机器人上的重力是机器人各部件重量之和，它们的合作用点为重心（工，）。即只（）晷景跚瓣宝宝一抄卜哈尔滨群人学硕士学何论文铲墅丛舻挲一，：。：显生作用在水下机器人上的浮力是各个部件的浮力之和浮心（，）。即：，重力、浮力计算如表。：圣生一丁一一。，量它们的合作用点为（）（）哈尔滨一样人学硕学位论文表重量、重心计算表重量重量重量电源箱工控机箱，测高声纳高频声纳箱架子主推垂推￥首侧推尾侧推重心坐标总和哈尔滨群人学硕学位论文表浮力、浮心计算表浮力浮力遥见】巾电源箱工控机箱测高声纳高频声纳箱架子主推十垂推首侧推尾侧推一浮心坐标总和通过增加浮力材及调整压载，使（实际中为保证水下机器人的安全，留有微小正浮力，即浮力微大于重力），且有，。，。一。重力和浮力的方向总是铅垂的，所以在固定坐标系中的分量为，。利用坐标转换公式将固定坐标系中的分量，转换到运动坐标系上去，可得：哈尔滨程人学硕十学位论文一（）（）（）（）静力对于运动坐标系原点的力矩胄。只。，（）其中。，且。为各重力和浮力作用点对于坐标原点的径矢。推力器推力水下机器人的推力器系统是由六个性能完全相同的推力器组成。布置如图。所示。其敞水性能曲线如图。所示。推力器系统的仿真是根据所接收的来自控制系统的推力指令，根据插值算出各个推力器的推力，然后将结果反馈给运动仿真模块和传感器仿真模块，计算出新时刻的运动状态并把运动参数返回给控制器。推力器系统的仿真基于推力器的敞水试验结果，并考虑伴流分数与推力减额系数的修、斜流修正以及实际推力器在工作中的时间滞后效应，从而实时地模拟推力器系统的动态响应特性。哈尔滨程人学硕十学位论文前进正车情况下的推力与流速，电压曲线图推进器敞水性能曲线一前进倒车情况卜推力与流速电压曲线蝌摊进器敝水性能曲线喻尔滨稗人学硕学位沦文后退倒车情况下电压流速推力曲线图推进器敞水性能曲线三修正后的后退正车情况下推力与电压流速曲线图推进器敝水性能曲线四流体水动力根据“水下综合探坝机器人”的特点，选用以下水动力表达式”：，【瓦。例置，置，们瓦“以。】（），匕声，）。，。“印击（）“匕“（）“】（一）嚣【口审即。伊【口伽，中尚（）“州和巾（），。，。坝）。（）心，矿，制。，口。印“，一巾（）“旧【“州（）“（一）式中。以。，等都为艇体水动力导数。由于各种条件的限制，机器人的水动力系数不能通过试验获取，只能借助于理论估算。本文研究的“水下综合探坝机器人”是开放框架式的，见图，很难根据以往的计算经验，如，把整个机器人看作一个椭球体进行估算，然后对舵、翼进行修正。分析该机器人结构可以看出，它没有起主要作用的单一体，而是由几部分组合而成，如电源舱、高频声纳箱、框架等。在论文中，作者单独计算各主要体的水动力系数，然后采用叠加的方法，在考虑相互矧影响的基础上，进行了近似修！，最终得到无冈次化的水动歹系数如：。一。，一，哈尔滨群人学硕学位论文。乙一。一，其他未知的各项用零代替。一。乙一一圯一环境干扰力在实际工作中，水下机器人受到的环境干扰力较为复杂，如流的影响，壁面效应，压力及温度变化的影响等。论文为简化仿真系统，除流的影响外，忽略其他因素的影响。首先求得相对流速：卜，“一。（）（。一），一虬（，一）（）【。（）（。一）其中，为流速，。为流向角，为艏向角。对时问微分后可得到相对加速度：，（）（，一）一虬（）（，一），（口，）（）【一，（）（，一妒）一，（）（，一）哈尔滨！人学硕十学位论文把以卜各式代入式（），便可得出水下机器人的操纵性模型，即仿真系统运动模型。在计算机上，利用丌发环境，建立了水下机器人运动仿真系统。本章小结本章首先引入了用来描述水下机器人运动的两个坐标系，并给出了定系和动系的转换关系；根据水下机器人实际的结构和工作特性，导入了空间四自由度运动方程，分析了机器人所受的各种力和力矩，对机器人的水动力系的获取，由于试验条件的限制和该机器人结构的特殊性，采用了近似叠加的方法。在此基础上建立了水下机器人的仿真模型。哈尔滨人学硕士学位论文第章神经网络控制与模糊控制出于“水下综合探坝机器人”结构的特殊性，很难准确得到其水动力系数；工作环境是在几米至几十米的水下，受到各种未明的干扰因素；各个自由度运动的相互耦合；任务的可变性，等等，都表明本文中的水下机器人的动力学系统是强非线性、时变的”“，同时考虑机器人的自主性与适应性，从改善其工作性能的观点来看，控制系统还应该具备良好的自适应和自学习能力，故本文采用以神经网络和模糊逻辑为基础的智能控制技术。智能控制技术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。智能控制的研究对象具有以下特点：不确定性（包括控制对象不确定性和环境不确定性）、高度的非线性、复杂的任务要求等。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。它应具有学习功能、适应功能和组织功能。智能控制是个多学科的交叉。传统的控制理论主要采用微分方程、状态方程以及各种变换等作为研究的数学工具，它本质上是数值计算方法。而人工智能主要采用符号处理、一阶谓词逻辑等作为研究的数学工具。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。近年来，模糊系统理论、人工神经网络以及它们的结合己成为智能控制领域的研究热点。在智能控制领域中应用尤为广泛的是神经网络控制和模糊控制，本文以下分别阐述神经网络控制和模糊控制的基本理论及控制器的设计。神经网络控制哈尔滨群人学帧士学何论文，神经网络神经网络发展至今已有多种模型，按结构可分为两大类：日口馈神经网络和反馈神经网络。前馈神经网络以多层感知器（）、多层前向神经网络、局部逼近神经网络为代表。反馈神经网络以网络、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。监督学习是指在学习过程中有教师信号给出网络的正确行为。在非监督学习中，网络的学习是自动进行，找出数据集的特性，并在输出结果中表示出来。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。人工神经元人工神经元是利用物理器件来模拟生物神经元的某些结构和特性。人工神经元模型如图所示，它有三个基本要素邮】：固定输入输出儿权值图神经元模型（）一组连接权，连接强度“符连接的权值表示，权值为萨表示激励一厂，、输入哈尔滨样人学颂十学何论文为负表示抑制。（）一个求和单元，用于求取备输入信息的加权和（线性组合）。（）一个非线性激励函数，起非线性映射作用，并限制神经元输出幅度在一定范围之内（一般限制在，或一，之间）。激励函数一般取函数，如下图所示：（）一，图形函数函数具有平滑和渐近性，参数可控制其斜率。（）并保持单调性（一）最常用的函数形式为（）多层前向神经网络本文所述的神经网络（）是对人工神经元网络（）的简称，它是对生物神经元网络的模拟和近似。自八十年代后期掀起神经网络研究的热潮以来，各种网络结构层出不穷，其中研究最多、应用最广的是一种称为多层前向神经网络（）模型，其拓扑结构如图所示。这是一个“三层前向网络”，包括一个输入层，一个输出层和一个隐层。信息的流向是从输八层依次经隐层，直至输出层，无反馈通路。因此这类网络结构称为多层前向神经网络。神经网络的输入输出关系取决于神经元的性质以及神经元之间的连接权值。神经元的性质取决于其激励函数，而在特定的应用中，激励函数的形式一般不变。凼此连接权值的变化决定神经网络的输入输出关系。通过调整网络秘值，可以使网络的输入输”茴足定的要求。权值调整完毕，神经哈尔滨程人学硕士学位沦文网络的输入输出关系就确定下来了，给定输入，就有相应的输出，所以前向网络又称为静态映射网络。输入层隐层输出层图多层前向网络实际上，网络的层数可以任意多。但是，少于三层的前向网络的能力十分有限，而节点（神经元）数适当的三层前向网络可以任意精度逼近任何非线性连续函数”。这一论断确立了前向网络的能力，但由于隐层的存在，增加了学习的难度，限制了多层前向网络的发展。反向传播（）算法的出现解决了这一困难，才使多层网络的研究重新得到重视。由于反向传播对于丽向网络的重要意义，该网络也称为网络。神经网络的学习算法网络一般采用有教师的学习方法，即网络由教师信号进行指导。具体步骤可分为：）在一定的输入下，神经网络根据初始权值算出其输出；）将输出与教师信号比较，得出误筹信号：）根据误差信号修难其权值，以溅小下一次输出的误差；）直至对于所有输入，其输：误麓小于给定值。哈尔滨科人学硕士学位论文误羞函数定义如下：去（。一。）（）式中：误差信号，网络学习的目标函数；。网络输出：。教师信号。根掘梯度法来修改网络权值，则对于输出层和隐含层之间的权值汐一（）由式（），可得：焉地训象地叫）鲁篑地叫蜘吮仔，所以：一（。一如，其中：（）输出层神经元的激励函数；输出层神经元的输入；隐含层的输出。对于隐含层与输入层之间权值的调整叫罴由式（）可得：焉。沙训象孙叫跏。）篑（。一农。（封屯）。妥（；一蛾培，（埘。）厂，甜，洲，：“则：一，（。一以“）厂，。设：哦。一以吒）。院则（）式可改写为：一（）（）（）（）（）（）（：】）哈尔滨科人学硕学位论文同理（）式可改写为：。一。；（）所以新的权值为：）（，），），）（）（）神经网络控制器水下机器人的运动是对所受到的力的响应。以外力和当前运动状态为输入，机器人的响应运动状态为输出来模拟机器人运动特性的神经网络为正动态神经网络。而以运动状态为输入，推力为输出的神经网络称为逆动态神经网络。把被控对象的逆动态神经网络模型作为控制器，将其串联在被控对象之前，以神经网络的输出作为水下机器人的控制量，这就是本论文采用的神经网络逆动态控制系统。本文设计的控制器是一个三层前向网络。如图所示。层日向网络图神经网络运动控制器（）水下机器入的位移偏差：矿月）水下机器人的速度；（）施加于水下机器人上的力（力矩）。神经网络控制器的学习神经网络由初始的无知识状态，到能对控制对象进行正确的控制，即神经网络的智能化过程，离不丌网络的学习。本论文的神经网络的学习结构如囤既示：哈尔滨科人学硕十学位论文控制器输入（机器人当前状态及期望目标）图神经网络学习结构图所以神经网络的学习就归结为寻求误差函数。控制的目的就是要使目标位置与当前位置的偏差雪与偏差变化率矿趋向零。由文献，对输出的预先规划可表示为厅口，口，口：，。）（，）（）其中，（）的具体形式可以根据动力系统的驱动能力与设计者的综合考虑作多种选择。本文的选择如下：厅。（）其中石。为限制机器人的最大加速度，主要取决于动力系统驱动能力和载体的质量。我们将取为四阶对角矩阵：其中（）哈尔滨群人学硕十学位论文式中。（。）（。）（叫（）（一）（：）（。）。：。，：一，：一乞（），一：；，￥，；，分别称为，妒方向的牵引距离，可定义为：抛。（瓯。）（一疏。）（）一二啦（墨一二缸）式中：，。与。为待定正参数。如果希望方向的远程转移速度为。，则：。；一。；（）然而根据式（）并不能完全确定瓯。与。另一个可用的约束条件是从下列微分方程岬。、瓯。彰。，日两，卜，睁。，（。）中求得这样的。与，使得对于所有的，有，并有尽可能小的，。，史得。干。内，。有哈尔演【怔人学硕士学佗沦文，（）预先规定的方向的位置精度。这一约束条件可解释为既要使位置误差尽快地缩小，又要求超调为零。一旦确定了辱，雪：。每：，；。，。，一与，；，对于当前采样时刻定的与旷，便可依据式（一）求得加速度的期望值动，将西，在旷的基础上，在当前控制周期内积分，便得到下一采样时刻速度的期望值瓦。误差函数的确定是基于以下原则：如果哆小于，则“，小于“。，应该增大，反之，“应该减小，因此可定义神经网络的误差函数可定义为占；一）（）其中七，为适当的正常数。既然网络的收敛性已得到证实，只要。适当小，网络的收敛是肯定的，当然，在神经网络开始工作的初期，输出误差；总是存在的，因为采用的是在线学习方法，神经网络权重的修正总是针对当前的输入与矿，而与矿的变化相对于时间，总是连续的，即与旷不可能有大的跳变，所以对于当前输入。神经网络总是能够使输出误差维持在一个较低的水平，从而迅速地给出正确的控制输入露，这就足以使控制系统稳定正常地工作，而不必使神经网络在一开始就能对所有可能的输入给出正确的控制输出，加上控制的反馈特性，神经网络的自适应和学习能力在预先规划式（一）的监督下，使控制系统表现出良好的收敛性与稳定性，随着工作时间的增加，神经网络积累的关于被控系统的动力学性能的知识不断增加，对于任意的输入，其输出误差将不断减小，从而表现出一种熟能生巧的特性，这种做法既使运算得以简化，又弥补了算法整体误差收敛太慢的缺陷，使神经网络应用于实时控制变得切实可行。推力分配妇于推力器能力的限制，神经网络给出的各个自由度的推力（力矩）并非都能同时满足，此时控制器需要进行推力分配。鉴于篇幅有限，这罨对具体的推力分配逻辑不再赘述，只给出分配时的主要原则。由于水机器人的水动力特性、结构特性及作、，爱：（作业用的声纳期安裟在脯部），所以采哈：滨栏人。：硕士学位论义了“艏向优先”的原则来进行推力器系统的推力分配：假如分配给菜推力器的推力己超出该推力器的极限值，这时根据“艏向优先”即优先保证力矩的原则而将推力指令限制在推力器在当时情况下所能发出的最大值，同时，对其他的推力器进行推力的重新分配。如果重新分配之后，又有另外的推力器的推力指令超出了其极限值，那么只能对这一推力指令作限制，并最大限度去满足力矩的要求。神经网络学习算法存在的一些问题和改进办法网络虽然具有结构简单、应用方便等优点，但也主要存在以下两个问题【】【：）、迭代次数多，导致学习效率低，收敛速度很慢：）、由于采用梯度下降法寻优，容易形成局部极小，得不到全局最优解。在提高收敛速度方面，已有一些主要的措施，结合作者在调试过程中的一些体会，可归纳为以下几点：（）、加动量项。工作中学习步长叩的选择很重要，町大收敛快，但过大可能引起不稳定：叩小可避免不稳定，但收敛速度就慢了。解决这一问题的最简单方法是加“动量项”，即（）（一）（），（）口（）式中第二项是常规法的修正量，第一项称之为动量项。其作用简单分析如下：当顺序进行训练时上式可写成以为变量的时间序列，因此上式可看作是的一阶差分方程，对（”）求解可得：叫班玎扩帅如卜刁扩蔫睁，；，、当本次的善笋安与前次同号时，起加权求和值增大，使。（）较大，结”、果在稳定调节时加速了的调节速度。当拿塑尘与前次符号相反时晓明有。）定的震荡，此时指数加权求和结果使，（）减小，起到阻尼的作用，稳定的效果。，哈尔滨程人学硕学倪论文（）、对函数来说，反对称函数比不对称函数更好，一般都选用双曲切函数，即，“州）二一一口（）一（一）本文中取为，为大于的数。（）、各权值及阈值的起始值应选为均匀分布的小数。对神经网络的全局寻优，也提出了许多措施”，如随机梯度法，是在目标函数中加一个噪声扰动，控制噪声幅值，使系统在保证不陷入局部极小的情况下，又能较快收敛。其他还有基于遗传算法、模拟退火法等搜索算法。模糊控制年，美国自动控制专家在其论文（）中首次提出用“隶属函数”概念来定量描述事物模糊性的模糊集合理论，从而奠定了模糊数学基础。年，英国工程师首次把模糊集合理论用于锅炉和蒸汽机的控制并取得良好的效果以来，在自动控制领域里丌辟了模糊控制理论及其工程应用的崭新时代。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。特别是，对于大时滞、非线性等难于建立精确数学模型的复杂系统，应用模糊控制理论，通过计算机实现模糊控制，往往能取得满意的控制效果，且所需设备简便，经济效益显著。模糊数学基础模糊和数学这两个词结合在一起，咋一看是相互对立的，因为说起数学，人们往往想到的是非常严格、非常精确的东西，“一就是一，二就是二”，没有似是丽非的概念。但在实际生活中“硝个、巾等个了、矮个、“月：、我们往往要崩到一些模糊的概念，如不胖。小瘦、瘦”，再如“年轻”剑底越哈尔滨仔人！学硕十学位论文多少岁，传统的数学在处理这些模糊的概念时就陷入了困境，模糊数学就应运而生了。模糊集合论域上的一个模糊集合是指，对于论域中的任一元素“，都指定了，闭区间中的一个数叱（“）【，与之对应，它叫作”对的隶属度（）。这意味着定义了一个映射“。：“：一，黏封（越）这个映射称为模糊集合的隶属函数（）。模糊集合完全由其隶属函数所刻画。比如，我们把“年轻、中年、老年”这三个年龄特征分别用模糊集合、表示，他们的论域都为，论域中的元素是年龄。隶属函数如图所示。“图“年轻”、“中年”、“老年”的隶属函数中的原有概念。模糊集合的表示法）论域为离散有限集扛。，表示法如果玑，虮对的隶属度“。（”，），这表示岁属于“年轻”的程度是。如果“，“，既属于又属于，“），“。（），这说明岁的人已不太年轻了，比较接近中年，但属于“中年”