自组织模糊控制及在机器人中的应用.pdf

第9 卷第5 期 2 0 0 5 年9 月 电机 与 控 制 学报 E L E C T R ICM A C H I N E SA N DC O N T R O L V 0 1 9N o 5 S e p 2 0 0 5 自组织模糊控制及在机器人中的应用 戴学丰1 2 孙立宁2 蔡鹤皋2 1 齐齐哈尔大学计算机与控制工程学院 黑龙江齐齐哈尔1 6 1 0 0 6 2 哈尔滨工业大学机器人研究所 黑龙江哈尔滨1 5 0 0 0 1 摘要 自组织模糊控制能够在线生成控制规则并对模糊控制规则和模糊参数进行调整 从而简 化了模糊控制的设计 并改善了系统的性能 而将自组织控制的思想与传统控制方法结合也可以进 一步改善系统的性能 因此介绍了关于自组织控制方法的最新研究进展及其在机器人控制中的应 用 关键词 自组织模糊控制 机器人控制 学习控制 神经网络 中图分类号 嘞4文献标识码 A 文章编号 1 0 0 7 4 4 9 X 2 0 0 5 0 5 0 4 9 5 0 5 S e l f o r g a n i z i n gf u z z yc o n t r o la n di t sa p p l i c a t i o n st or o b o t s D A IX u e f e n 9 1 S U NL i n i n 9 2 C A IH e g a 0 2 1 C o m p u t e r C o n t r o lE n g i n e e r i n gC o l l e g e Q i q i h a r iU n i v Q i q i h a r1 6 1 0 0 6 C h i n a 2 R o b o t i c sI n s t i t u t e H a r b i nI n s t i t u t eo fT e c h n o l o g y H a r b i n1 5 0 0 0 1 C h i n a A b s t r a c t I no r d e rt os i m p l i f yt h ed e s i g no ff u z z yc o n t r o l l e ra n di m p r o v et h ec l o s e dl o o ps y s t e m sp e r f o r m a n c e s e r f o r g a n i z i n gf u z z yc o n t r o l l e r sc a ne s t a b l i s hf u z z yr e a s o n i n gr u l e s m o d i f yf u z z yr u l e sa n df u z z y p a r a m e t e r so n l i n e C o m b i n a t i o no fs e l f o r g a n i z i n gs c h e m ew i t ht r a d i t i o n a l c o n t r o la l g o r i t h m sc a ni m p r o v et h es y s t e mp e r f o r m a n c et o o T h ei m p r o v e m e n to fs e l f o r g a n i z i n gf u z z yc o n t r o ls t u d ya n di t sa p p l i c a t i o n si nr o b o tc o n t r o li ss u m m a r i z e di n t h i sp a p e r K e yw o r d s s e l f o r g a n i z i n gf u z z yc o n t r o l r o b o tc o n t r o l l e a r n i n gc o n t r o l n e u r a ln e t w o r k s 1 引言 在工程应用中存在大量这样的被控对象 不能 或很难为其建立数学模型 因此具有类似人类推理 思维特点的模糊控制得到了迅速发展 但是 由于 模糊控制需要大量的控制规则 而模糊规则的建立 是一项费时的工作 并且当被控对象的特性发生变 化时固定的规则基和模糊参数往往不能达到理想的 控制效果 在这种情况下 具有根据系统性能指标 自动调整模糊规则和参数的自组织模糊控制应运而 生 经过二十多年的发展 自组织模糊控制在理论研 究和工程应用中都取得了一系列成果 本文将对自 组织模糊控制的研究进展 重点是其在机器人控 制中的应用进行系统地综述 2 自组织模糊控制研究进展 文 1 描述了自组织模糊控制系统的主要特 点 即无初始控制规则 系统在运行过程中基于性能 判据产生控制规则和调整隶属度函数 当出现干扰 时自动修正控制结构 文 3 3 对一类最小相位系 统提出了采用自适应相似因子的自组织模糊控制 控制规则通过输入输出数据生成 当被控对象可用 收稿日期 2 0 0 4 0 5 2 3 修订日期 2 0 0 5 一0 5 2 0 基金项目 黑龙江省教育厅海外学人科研资助项目 1 0 5 5 H Q 0 3 6 黑龙江省教育厅科学技术研究项目 1 0 5 5 1 3 3 0 作者简介 戴学丰 1 9 6 2 一 男 教授 博士后 研究领域为机器人控制 离散事件系统 孙立宁 1 9 6 4 一 男 工学博士 教授 博导 研究领域为机器人学 微驱动机器人控制 蔡鹤皋 1 9 3 4 一 男 教授 现为哈尔滨工业大学机器人研究所名誉所长 中国工程院院士 万方数据 4 9 6电机与控制学报 第9 卷 具有外部输入的自回归模型描述和已知对象时延 时 控制规则的最大上限数是固定的 该控制器还 在模糊化和反模糊化阶段引人了前馈和预测功能 基于遗传算法的机器学习和模糊逻辑综合作为 一种有效的解决复杂多变量非线性系统的工具展现 出良好的前景心 J 文 2 首先讨论了遗传算法在 学习型分类器系统的作用 概括了已有应用遗传算 法学习模糊规则和隶属度函数的成果 提出了一种 新颖的基于遗传算法的机器学习方法 称为P i t t s b u r g h 模糊分类器系统 1 P F C S l 它是基于学 习分类器系统的P i t t s b u r g h 模型 采用可变长度的规 则集合 同时进化模糊规则隶属度函数和模糊关系 并引入了一个新的考虑具有重叠输入模糊集合隶属 度函数的模糊规则间功能连接的交叉算子 同时给 出了应用P F C S l 的实验结果并与已经发表的其 他结果进行了比较 描述了P F C S l 在分布式控制 系统的实际应用 最近许多学者将神经网络的学习能力与模糊系 统结合以产生控制规则 6 1 其中文 6 提出了一 类基于神经网络具有自组织功能的自适应模糊控制 器设计方法 给出了一种知识表达和推理策略 称为 树形搜索神经网络 该网络基于熟知的直觉知识表 达 I K R 并可以减少神经网络中处理节点的数目 基于T N N 模型提出了自组织自适应模糊控制器 S O A F C T N N 能够帮助获得控制知识并减少对专 家的依赖 而且 设计者不需要事先定义所有隶属度 函数以覆盖整个输入域 为了进一步改进性能 在 S O A F C 内设计了一个D 一控制器 不论它是否包含 在模糊控制器内 都可以保证整个系统是全局稳定 的 仿真结果显示这种方法具有更快的收敛速度 更好的暂态响应 并需要更少的控制能量 另一个 方面的成果就是自组织特征映射神经网络 自组织控制系统的结构也具有多种形式 包括 反馈 1 8 19 反馈与前馈组合 3 2 9 3 0 I 递阶呻6 3 4 1 和分 散 3 3 结构 具体内容将在后续部分结合其在机器 人控制中的应用进行综述 3 在机器人控制中的应用 自组织模糊控制可直接应用在机器人控制中 也可以和现有控制算法结合实现机器人控制 用于 机器人逆运动学 2 卜2 3 1 或动力学求解口引 轨迹跟 踪 2 6 2 7 手眼协调及足球机器人决策控制 3 1 在机器人控制中的直接应用 机器人是高度耦合的非线性系统 很难为其建 立一个合适的数学模型 尽管模糊逻辑控制具有不 依赖模型的特点 但是模糊规则基的建立与模糊参 数的调整仍是费时的工作 文 1 8 提出了一种稳 定的自组织模糊控制器 用于一个五自由度机器人 的轨迹控制 系统的控制规则通过在线学习生成和 修改 由于只考虑了误差和误差变化率 控制器在每 个采样周期学习机构只对4 个模糊规则进行修正 从而加快了学习速度 文 1 9 研究了具有压电陶瓷驱动器的单连杆 柔性臂机器人主动振动控制的自组织方法 提出了 一种在线自组织模糊控制策略 其中模糊规则是通 过输入输出的历史数据对产生的 它不需要被控对 象的任何数学模型 所产生的模糊规则存储在模糊 规则基里 并通过自组织过程进行在线更新 通过一 个钢质悬臂梁的实验验证了所提出的控制方法 自组织模糊逻辑可用于学习机器人的逆运动 学哺 2 1 以3 文 8 提出了基于自组织模糊逻辑利用 作业空间误差估计关节角补偿的方法 文 2 1 讨 论了参数化自组织映射 P S O M 作为一种学习方法 在快速产生高维连续映射中的应用 只利用少量拓 扑数据P S O M 就能够学习连续映射 给出了在液压 机械手逆运动学特性学习中的应用 文 2 2 对冗 余机器人提出了一种利用自组织面向任务的视觉电 机映射解决逆运动学问题的方法 尽管常规自组织 方法不利用冗余自由度 但该方法充分利用了系统 冗余的自由度 并通过灵活性测量消除冗余性 通 过应用扩展的操作性和强制可控性测量作为灵活性 测量可学习两种类型的映射 相关的工作还包括文 2 3 通过自组织和神经网络实现机器人逆运动学 的成果见3 3 节 文 1 7 应用自组织递阶最优子空间学习和推 理框架研究了基于视觉状态的室内机器人导航问 题 在机器人足球赛中 环境是高度竞争和动态变 化的 机器人系统的决策生成系统应该具有灵活性 和在线调整的能力 因此 文 2 4 提出了基于事件 驱动策略的自组织模糊决策树 与传统决策树相比 具有节省存储空间和实时在线自适应的能力 通过 3 3 的足球机器系统的仿真和实验证明了该系统 的有效性 文 2 5 基于自组织的思想 提出了一种非线性 M I M O 系统的自学习模糊控制 通过在学习过程中 同时考虑误差向量的当前值和变化趋势 改善了系 统的鲁棒性 并给出了其在双连杆机器人等对象上 的仿真与实验 3 2 与常规控制算法的结合及应用 自组织模糊控制可与常规控制算法结合分别形 万方数据 第5 期自组织模糊控制及在机器人中的应用 4 9 7 成自组织模糊P I D S O F P I D 2 6 3 自组织模糊滑模 控制 2 7 2 8 I 复合控制 驯等 文 2 6 研究了S O F P I D 控制在多输人多输出非线性旋转关节机械臂中 的应用 自组织控制器是一个监督控制器 在系统 运行中 它代替了操作人员实现对P I D 参数进行小 的调节 P I D 参数在应用前也是利用经典方法整 定 实验结果表明 S O F P I D 可比S O F C 和P I D 控 制器更好地跟踪期望路径 为了抵消机械臂中的不确定性和参数变化 文 2 7 提出了将滑模变结构控制与自组织控制器结 合实现机器人鲁棒轨迹跟踪控制的方法 它消除了 对控制的限制 系统性能的估计是利用距期望滑模 面 距离和接近它的速度 在直接驱动S C A R A 机 器人上的实验结果显示 所提出的方法不仅保留了 变结构控制固有的鲁棒性 而且消除了不希望的滑 动模态振动 文 2 8 研究了采用永磁同步电机驱 动的曲柄杠杆装置自组织模糊滑模控制 该系统包 括两个模糊推理机 一个是模糊控制器 另一个根据 滑模函数确定对模糊推理规则输出的修改 仿真结 果表明 该算法具有满意的控制效果 前馈加P D 反馈控制是一种常用的控制结 构四 30 文 2 9 采用研究了多变量非线性伺服机 构控制问题 其中前馈控制是简化的模糊推理算法 而模糊规则基是借助自组织反向传播网络与在线学 习自动生成 仿真表明 该算法较单独的P D 控制 具有更好的性能 规则基的构造也只需要几个学习 周期就可以快速完成 类似的结果还有文 3 0 的 单连杆机器人轨迹控制 自组织控制结构最吸引人之处是对局部故障的 适应性 文 3 1 对模块式空间机器人引入了一种 分散式控制算法 并用仿真和实验的方法研究了它 的性能 文 3 2 研究一种具有树型结构的可重构 机械臂的自组织协调控制问题 通过研究一个较通 用的任务模型 建立了系统的动力学模型 由此提出 一个自组织控制策略 3 3 与神经网络的结合及应用 同时写出机器人控制的所有规则有时也是不可 能的 所以神经网络在表达模糊规则方面表现出巨 大潜力 文 7 提出了基于学习向量量化 L V Q 网 络的多变量非线性对象的自组织模糊控制器 系统 的递阶结构为自组织层 协调层和执行层 通过非监 督学习调整模糊隶属度函数和模糊推理的输出 并 用L y a p u n o v 稳定性方法证明了所提出的自适应策 略在系统中存在外部干扰 测量噪声和初始误差时 的鲁棒性 在双连杆机器人轨迹跟踪控制上进行了 实验 复杂轨迹包含了重复或共享状态 它们是轨迹 再现时不确定性的原因 因此可利用时间上的前后 关系用来解决这些不确定性 文 8 提出了基于时 间自组织神经网络的分布式机器人控制系统 称为 竞争和时间H e b b i a n 网络 C T H C T H 能够通过两 个集合学习和回忆复杂的轨迹 一个是对各个轨迹 状态进行编码的前馈竞争权重 另一个是对轨迹状 态时序进行编码的H e b b i a n 横向权重 C T H 通过保 存轨迹中重复或共享状态的惟一拷贝节省了存储空 间 它的冗余结构提高了网络对噪声和故障的鲁棒 性 该分布式控制策略在P U M A5 6 0 机器人的点到 点轨迹控制中进行了实验测试 文中还将系统的性 能与其他无监督和监督神经网络方法进行了比较 也讨论了前馈和横向学习策略的稳定性和收敛性 文 9 提出了一种适用于一类不确定非线性多 输人多输出系统辨识与控制的鲁棒自适应模糊神经 网络控制器 A F N C 该控制器能够自动产生和删 除模糊规则 对不确定非线性M I M O 系统具有较快 的在线学习能力 A F N C 的结构和参数能够自动适 应干扰的变化以维持良好的控制性能 文中还应用 L y a p u n o v 方法确定了系统的全局稳定性 并在倒立 摆和双连杆机器人上进行了仿真 相关的工作还有 文 1 0 文 1 1 提出了可用于非线性伺服机构控制的 自组织模糊基函数网络 通过在径向基函数网络和 模糊系统之间建立对应关系 利用一类能够按要求 自主组织网络结构和参数的模糊基函数网络来实现 自组织控制 并在具有不均衡负载的伺服机构位置 实时控制中进行了有效性验证 自组织与神经网络的结合可实现机器人的手眼 协调 2 卅引 文 1 2 研究了基于神经网络的自组织 视觉伺服系统 其视觉图像数据与关节角间的非线 性映射是用神经网络学习实现的 系统可通过学习 实现对机器人任意位形的映射 文 1 3 提出了基 于学习策略的冗余机械臂视觉电机协调模型 系统 具有更强的鲁棒 柔性和适应性 也不需要进行校 正 因为神经网络处理手眼协调的缺点是过长的训 练时间 因而 文 1 4 提出了基于K o h o n e n 自组织 策略的同时减少训练时间和保持系统高精确度的方 案 并与传统基于校正的算法进行了比较 在C R S P L U S 机械臂上的实验表明 所提出的算法在训练时 间上要比现有的神经网络算法平均快1 0 倍 与常规 算法速度相当 但是却具有更高的精确度 文 1 5 描述了基于K o h o n e n 自组织特征映射 万方数据 4 9 8电机与控制学报 第9 卷 的3 手指十自由度灵巧机械手的三维对象触觉识别 系统 文 1 6 提出了基于主动立体视觉的机器人 轨迹跟踪和抓取控制的学习方法 通过在一个十一 自由度系统上的仿真证明了所提出方法的鲁棒性和 稳定性 3 4 与仿生算法的结合及应用 通过结合遗传算法和梯度法 文 3 提出了双 连杆机器人的分散自适应模糊控制方案 每个连杆 的控制器由模糊计算力矩前馈和模糊P D 反馈组 成 前馈部分经过改进的遗传算法离线训练和优化 其模糊参数和结构都是自组织的 反馈P D 部分应 用梯度法在线调节 从而保证了调节的正确性和闭 环系统的稳定性 该方案具有下列特性 不需 要机器人系统精确的动力学模型 计算简单 控 制器具有对各种参数变化 未建模特性和未知负载 的不敏感性 通过计算复杂性分析和计算机仿真证 明了以上特性 为了克服非完整因素的限制并获得更精确的位 置和速度控制 文 4 提出了基于进化算法的轮式 移动机器人自组织模糊控制器 进化的目的是为了 获得最优模糊输人 输出隶属度函数和规则基 首 先是增加输出集合的元素 再据此对规则基进行改 变 改变后的系统与原系统进行竞争 如果失败则自 然消失 如果存活则测试增加的元素和规则基并取 消不必要的部分 然后以减小系统的不适应性为目 标搜索输人隶属度函数 调整输出隶属度函数 文 5 综述了应用进化算法设计机器人控制系统 探 讨自组织行为的结果还包括在移动机器人中应用免 疫算法 3 5 1 等 4 结论与展望 由于机器人本身独有的时变 非线性和存在干 扰等特性 为自组织模糊控制的应用提供了潜在的 空间 除此之外 自组织模糊控制在核反应堆的水位 控制 J I 临床麻醉程度监控m 1 等方面都有成功的应 用 尽管取得了以上的成绩 自组织模糊控制的研 究还有很多问题需要解决 首先的自组织模糊控制 器还缺乏完整和系统的设计方法 现有的设计结果 多数是控制规则过多 这给实现带来了很多问题 更重要的是 自组织模糊控制器对外部信号具有敏 感性 这个现象在其他类型应用自适应策略的直接 基于模糊学习的控制器中也可以观察到 自组织模 糊系统的稳定性仍然没有得到很好的证明 参考文献 1 P A R KGY S E O N GPH A p p l i c a t i o no fas e l f o r g a n i z i n gf u z z y l o g i cc o n t r o l l e rt on u c l e a rs t e a mg e n e r a t o rl e v e lc o n t r o l J N u c l e a rE n g i n e e r i n ga n d 胞妇 1 9 9 7 1 6 7 3 4 5 3 5 6 2 C A R S EB F O G A R T YTC M U N R OA E v o l v i n gf u z z yr u l e b e dc o n t r o l l e r su s i n gg e n e t i ca l g o r i t h m s J F u z z yS e ta n ds y s t e r n s 1 9 9 6 8 0 2 7 3 2 9 3 3 J I NY D e c e n t r a l i z e da d a p t i v ef u z z yc o n t r o lo fr o b o tm a n i p u l a t o r s J I E E ET r a n s a c t i o n sO F tS y s t e m M a n a n dC y b e r n e t i c s P a r t B C y b e r n e t i c s 1 9 9 8 2 8 1 4 7 5 7 4 K I MSH P A R KC H A R A S H I M AF As e l f o r g a n i z e df u z z y c o n t r o l l e rf o rw h e e l e dm o b i l er o b o tu s i n ga ne v o l u t i o n a r ya l g o r i t h m J I E E ET r a n s a c t i o n s0 1 1 I n d u s t r i a lE l e c t r o n i c s 2 0 0 1 4 8 2 4 6 7 4 7 4 5 W A T A N A B EK I Z U M IK As u r v e yo fr o b o t i cc o n t r o ls y s t e m s c o n s t r u c t e db yu s i n ge v o l u t i o n a r yc o m p u t a t i o n s A P r o c e e d i n g s o f1 9 9 9I E E EI n t e r n a t i o n a lC o n f e r e n c eO n 跏f M a n a n d 眵 b e r n e t i c s c 1 9 9 9 2 7 5 8 7 6 3 6 L E ECH W A N GSD As e r f o r g a n i z i n ga d a p t i v ef u z z yc o n t r o l l e r J F u z z yS e t sa n ds y s t e m s 1 9 9 6 8 0 2 9 5 3 1 3 7 L I NWS T S A ICH S e l f o r g a n i z i n g f u z z yc o n t r o lo f m u l t i V a r i a b l es y s t e m su s i n gl e a r n i n gv e c t o rq u a n t i z a t i o nn e t w o r k J F u z z yS e t sa n dS y s t e m s 2 0 0 1 1 2 4 1 9 7 2 1 2 8 G U I L H E R M EAB a r r e t o A L U I Z I OFRA m u j o C H R I S T O F D u c k e r H E L G ER i t t e r Ad i s t r i b u t e dr o b o t i c c o n t r o ls y s t e m b a s e do nat e m p o r a ls e l f o r g a n i z i n gn e u r a ln e t w o r k J I E E E T r a n s a c t i o n sO BS y s t e m M a n a n dC y b e r n e t i c s P a r tC A p p l i c a t i o n sa n dR e v i e w s 2 0 0 2 3 2 4 3 4 7 3 5 7 9 G A OY E RMJ O n l i n ea d a p t i v ef u z z yn e u r a li d e n t i f i c a t i o na n d c o n t r o lo fac l a s so fM I M On o n l i n e a rs y s t e m s J I E E ET r a n s a c t i o n sO nF t m ys y s t e m s 2 0 0 3 1 1 4 4 6 2 4 7 7 1 0 E RMJ G A OY R o b u s ta d a p t i v ec o n t r o lo fr o b o tm a n i p u l a t o r s u s i n gg e n e r a l i z e df u z z yn e u r a ln e t w o r k s J I E E ET r a n s a c t i o n s O nl n d u s t r i a ZE l e c t r o n i c s 2 0 0 3 5 0 3 6 2 0 6 2 8 1 1 L E ET H N I EJ H T A N WK As e l f o r g a n i z i n g f u z z i f i e db a s i sf u n c t i o nn e t w o r kc o n t r o ls y s t e ma p p l i c a b l et on o n l i n e a rs e r v o m e c h a n i s m s J M e e h a t r o n i c s 1 9 9 5 5 6 6 9 5 7 1 3 1 2 H A S H I M O T OH K U B O T AT K U D O UM e ta 1 S e l f o r g a n i z i n gv i s u a ls e r v os y s t e mb a s e do nn e u r a ln e t w o r k s J 1 E E E C o n t r o lS y s t e m sM a g a z i n e 1 9 9 2 1 2 2 3 1 3 6 1 3 P E D R E N O M o l i n aJL G U E R R E R O G o n z a l e z A L O P E Z C o r o n a d oJ A d a p t i v er e a c h i n gm o d e lf o rv i s u a l m o t o rm a p p i n g a p p l i e dt or e d u n d a n tr o b o t i ca r l T i S A P r o c e e d i n g sD t h eT h i r d I n t e r n a t i o n a lW o r U h o pO nR o b o tM o t i o na n dC o n t r o l C 2 0 0 2 9 1 1 4 2 9 4 3 4 1 4 B E H E R AL K I R U B A N A N D A NN Ah y b r i dn e u r a lc o n t r o l s c h e m ef o rv i s u a l m o t o rc o o r d i n a t i o n J I E E EC o n t r o l 跏一 t e m s 1 9 9 9 8 3 4 4 1 1 5 C A S E L L IS F A L D E L L AE F R I N G U E L L IB e ta 1 An e u r a l a p p r o a c ht or o b o t i ch a p t i er e c o g n i t i o no f3 Do b j e c t sb a s e do na K o h o n e ns e l f o r g a n i z i n gf e a t u r em a p A 2 0 t hI n t e r n a t i o n a l 万方数据 第5 期自组织模糊控制及在机器人中的应用 4 9 9 C o n f e r e n c eo nI n d u s t r i a lE l e c t r o n i c s C o n t r o la n dI n s t r u m e n t a t i o n c 1 9 9 4 2 8 3 5 8 4 0 1 6 X I A ONF N A H A V A N D IS A na c t i v es t e r e ov i s i o n b a s e d l e a r n i n ga p p r o a c hf o rr o b o t i ct r a c k i n g f i x a t i n ga n dg r a s p i n gc o n t r o l A 2 0 0 2I E E EI n t e r n a t i o n a lC o n f e r e n c eo nI n d u s t r i a lT o c h n o o g y C 2 0 0 2 1 5 8 4 5 8 7 1 7 C H E NS W E N GJ S t a t e b a s e dS H O S L I Ff o ri n d o o rv i s u a l n a v i g a t i o n J I E E ET r a n s a c t i o n so nN e u r a N e t w o r k s 2 0 0 0 11 6 1 3 0 0 1 3 1 4 1 8 H U A N GSJ L E EJS As t a b l es e l f o r g a n i z i n gf u z z yc o n t r o l l e r f o rr o b o t i cm o t i o nc o n t r o l J I E E ET r a n s a c t i o n so nI n d u s t r i a l E l e c t r o n i c s 2 0 0 0 4 7 2 4 2 1 4 2 8 1 9 A B R E UGL K I B E I R OJF As e l f o r g a n i z i n gf u z z yl o g i cc o n t r o l l e rf o rt h ea c t i v ec o n t r o lo ff l e x i b l es t r u c t m su s i n gp i e z o e l e e t r i ca c t u a t o r s J A p p l i e d 黝C o m p u t i n g 2 0 0 2 1 2 7 1 2 8 3 2 0 P A T EB L A N G A R IG Af u z z yl o g i cb a s e dc o n t r o l l e rf o rat h r e e l i n km a n i p u l a t o r J T h i r dI n t e r n a t i o n a lC o n f e r e n c eo nI n d u s t r i a l F u z z yC o n t r o la n dI n t e l l i g e n tS m 日n s C 1 9 9 3 1 3 1 0 9 1 1 4 2 1 W A L T E RJA P S O Mn e t w o r k l e a r n i n gw i t hf e we x a m p l e s A P r o c e e d i n g so f l 9 9 8I E E EI n t e r n a t i o n a lC o n f e r e n c eo nR o b o t i c sa n d A u t o m a t i o n C 1 9 9 8 3 2 0 5 4 2 0 5 9 2 2 K A T A Y A M AM A S A D AK Z H E N GXZ e ta 1 S e l f o r g a n i r a t i o n o fat a s k o r i e n t e dv i s u o m o t o rm a pf o rar e d u n d a n tm n A P r o c e e d i n g so f1 9 9 6I E E EC o n f e r e n c eo nE m e r g i n gT e c h 一 l D 地协a n dF a c t o r yA u t o m a t i o n c 1 9 9 6 1 3 0 2 3 0 8 2 3 Z H E N GXz I T OK S e l f o r g a n i z e dl e a r n i n ga n di t si m p l e m e n t a t i o no fr o b o tm o v e m e n t s A 1 9 9 7I E E EI n t e r n a t i o n a lC o n f e r eo ns M a n a n dC y b e r n e t i c s C 1 9 9 7 1 2 8 1 2 8 6 2 4 H U A N GHP H A N GCC S t r a t e g y b a s e dd e c i s i o nm a k i n go f a s o c c e rr o b o ts y s t e mu s i n gar e a l t i m es e l f o r g a n i z i n gf u z z yd e e i s i o n t r e e J F u z z y S e t sa n d s t e m 2 0 0 2 1 2 7 4 9 一 2 5 K I MY o n g T a e Z E U N G N A MB i e n R o b u s ts e l f l e a r n i n gf u z z Yc o n t r o l l e rd e s i g nf o rac l a s so fn o n l i n e a rM I M Os y s t e m s j F u yS e t sa n dS y s t n s 2 0 0 0 1 1 l 1 1 7 1 3 5 2 6 K A Z E M I A NHB T h eS O F P I Dc o n t r o l l e rf o rt h ec o n t r o lo fa M I M Or o b o t J I E E ET r a n s a c t i o n so nF u z z yS y s t e m s 2 0 0 2 1 0 4 5 2 3 5 3 2 2 7 D E N K E RA O H N I S HK R o b u s tt r a c k i n gc o n t r o lo fm e c h a t r o n i e t m s J I E E E A S M ET r a n s a c t i o n so nM e c h a t r o n i c s 1 9 9 6 1 2 1 8 1 1 8 8 2 8 W A IRJ L I NCM H S UCF S e l f o r g a n i z i n gf u z z yc o n t r o lf o r m o t o r t o g g l es e r v o m e c h a n i s mv i as l i d i n g m o d et e c h n i q u e J F u yS e t sa n dS y u e m 2 0 0 2 1 3 1 2 3 5 2 4 9 2 9 N I EJ L E ETH S e l f o r g a n i z i n gr u l e b a s e dc o n t r o lo fm u l t i v a r i a b l en o n l i n e a rs e r v o m e c h a n i s m s J F u z z yS e t sa n d 跏一 t e n u 1 9 9 7 9 1 2 8 5 3 0 4 3 0 B E H E R AL C O P A LM C H A U D H U R YS S e l f o r g a n i z i n g n e u r a ln e t w o r k sf o rl e a r n i n gi n v e r s ed y n a m i c so fr o b o tm a n i p u l a t o r A 1 E E E I A SI n t e r n a t i o n a lc 0 咖撇o nI n d u s t r i a lA u t o m a t l o na n dC o n t r o l c 1 9 9 5 4 5 7 4 6 0 3 1 K I M U R AS T S U C H I Y As F a u l ta d a p t i v ek i n e m a t i cc o n t r o lu s i n gm u l t ip r o c e s s o rs y s t e m A 2 6 t hA n n u a lC o n f i e r e n c eo f 龇 I E E EI n d u s t r i a lE l e c t r o n i c sS o c i e t y c 2 0 0 0 3 2 0 9 9 2 1 0 4 3 2 宋涛 程勉 高为炳 一种可重构机械臂的白组织协调控制 J 控制与决策 1 9 9 5 1 0 1 8 1 4 3 3 D I A SJM D O U R A D OA As e l f o r g a n i z i n gf u z z yc o n t r o l l e r w i t haf i x e dm a x i r o u mn u m b e ro fr u l e sa n d