chapter9.1-其他控制方法介绍

控制器设计与仿真机器人控制——方法篇机器人控制——方法篇控制器设计与仿真控制器设计与仿真Chapter7神经网络控制Chapter8自适应控制Chapter9其他控制方法3CHAPTER9其他控制方法5Chapter9其他控制方法其他控制方法介绍基于输出受限的自适应控制器的机械臂参考轨迹调节基于神经网络的未知机械臂导纳控制基于输入饱和的机械臂增强导纳控制6滑膜控制模糊控制学习控制径向基函数神经网络（RBFNN）9.1其他控制方法介绍9.1其他控制方法介绍滑模控制滑模控制也叫变结构控制，本质上是一种非线性控制，且非线性表现为控制的不连续性。7工作原理

滑模运动示意图8

(a)(b)为了使滑模面以外的系统状态能够快速地到达滑模面并完成趋近运动，需要选取一个好的趋近律，以下列举几种常用的趋近律。趋近律9

控制器输出的震颤问题已经成为滑模控制需要改进和解决的问题之一。其发生的原因主要有以下几点：震颤问题10①切换控制器导致控制器输出量来回震荡；②时间滞后开关；③空间滞后开关；④系统惯性的影响；⑤离散时间系统本身造成的抖振。至今提出解决震颤问题的方法主要有以下几种：①准滑动模态方法；②趋近律方法；③观测器方法。模糊控制核心：模糊规则和各种变量的模糊集合表示。一个典型的模糊控制系统结构示意图如下图所示。模糊控制系统结构11模糊控制模糊控制的概念和特点模糊控制的如下显著特点：（1）无需建立被控对象的数学模型。（2）是一种模拟人类知识、思维智慧的控制方法。（3）规则和推理机制易被人所接受、理解，便于进行人机交互。（4）控制器构造容易。（5）控制器鲁棒性好。模糊控制器的基本结构通常由四个部分组成：模糊化接口、规则库、模糊推理和清晰化接口，如下图所示。模糊控制器的基本结构模糊控制器的结构12（1）模糊化接口模糊化接口的设计步骤事实上就是定义语言变量的过程。13c）定义各语言变量的语言值通常在语言变量的论域上，将其划分为有限的几档。d）定义各语言值的隶属函数隶属函数决定着模糊集的模糊性。设计合理的隶属函数是运用模糊理论解决实际问题的基础。b）语言变量论域的设计在模糊控制器的设计中，通常就把语言变量的论域定义为有限整数的离散论域。a）语言变量的确定针对模糊控制器每个输入、输出空间，各自定义一个语言变量。

15（2）规则库模糊规则的完善程度和准确程度对系统作用效果的优劣起决定性作用。规则库示例（3）模糊推理模糊控制的实质是模糊逻辑推理。

16

17

模糊查询表示例18

19

学习控制学习控制的数学描述学习控制的运行方式学习控制系统有两种运行方式：启动学习和运行学习。启动学习是指控制器启动后初始运行的学习。运行学习是指在控制运行中对象类型变化时的学习过程。20学习控制与常规自适应控制的异同这两种控制方法的主要相同之处有：①学习系统是自适应系统的发展与延伸；②都是解决系统不确定性问题的方法；③都是基于在线的参数调整算法；④都使用与环境、对象闭环交互得到的信息。它们的不同点主要在以下几个方面：①自适应控制系统在未知环境下的控制决策是有条件的；②自适应控制着眼于瞬时观点，缺乏记忆；③当受控对象的运动具有可重复性时，就可把学习控制用于该对象；④学习控制强调经验和记忆。21一般学习控制系统的组成一般的学习控制系统主要由常规反馈控制环、自适应环和学习环组成，如下图所示。学习控制系统从结构上可以分为：基于模式识别的学习控制、迭代学习控制、重复学习控制和基于神经网络的学习控制。学习控制系统的组成22基于模式识别：用模式识别方法对输入信息进行提取和处理，为控制决策和学习适应提供依据。迭代学习控制：反复应用系统以前运行得到的信息，以获得能够产生期望输出轨迹的控制输入，改善控制质量。重复学习控制：是根据内模原理，引入能够产生周期信号的重复补偿器，以跟踪具有周期性的任意目标信号。基于神经网络：是以神经网络为辨识模型或控制器，神经网络的学习训练算法是该控制方案的关键。23径向基函数神经网络（RBFNN）径向基函数神经网络结构图径向基函数神经网络（RadialBasisFunctionNeuralNetwork，RBFNN）是一种前馈式的神经网络，由三层神经元组成：输入层、隐含层以及输出层，如下图所示。从输入层到隐含层的权值为1；输出层是对线性权值进行调整，采用线性优化策略；隐含层使用径向基函数对输入层进行变换升维，采用非线性优化策略。24

径向基函数神经网络的基本思想RBFNN需要调整的参数主要包括