基于自适应模糊神经网络系统的机器人共享控制方法技术方案

本发明专利技术涉及一种基于自适应模糊神经网络系统的机器人共享控制方法，包括基于模糊控制的局部自主控制和基于自适应模糊神经网络系统的共享控制两个部分，其中共享控制部分实现将机器人的直接控制命令和自主控制相结合，保证机器人正确执行操作者意图，又能对外部环境及时做出反应，也能在没有直接控制命令的时候实现自主控制，使得机器人可以自适应外界环境的变化实时调整运动轨迹。该发明专利技术在机器人系统中引入了共享控制，提供了躲避障碍物、沿墙行走等辅助功能，从而弥补遥控机器人局部自主能力的不足，提高系统的工作效率，增强系统的稳定性和鲁棒性。

【技术实现步骤摘要】
基于自适应模糊神经网络系统的机器人共享控制方法
本专利技术属机器人控制
，涉及一种基于自适应模糊神经网络系统的机器人共享控制方法。
技术介绍
随着机器人控制技术的不断发展，机器人正向多功能化和智能化的方向发展，对其控制精度的要求也不断提高。遥控制等传统控制方式受到指令集有限、控制效率低等缺点限制，无法高效地完成复杂的任务。例如在避障过程中，操作者需要连续完成一系列操作，无法及时应对其他的突发状况，导致发生碰撞等危险。为了解决上述问题，在机器人系统中引入了共享控制，即结合直接控制命令和机器人局部自主控制的方法，增强机器人在复杂环境中的自适应性。针对多模糊规则的机器人控制系统，当前共享控制方法中许多采用模糊控制、神经网络的方法，但是模糊控制存在设计方法缺乏系统、调整函数参数耗时长及模糊规则爆炸的缺点，而人工神经网络也受到收敛速度慢、局部极小和网络计算量大等限制。而自适应模糊神经网络系统，利用神经网络的学习机制自动地从训练数据中抽取规则，通过离线训练和在线学习进行模糊推理规则的自调整，使系统具有自适应性。使用基于自适应模糊神经网本文档来自技高网...

【技术保护点】
1.基于自适应模糊神经网络系统的机器人共享控制方法，其特征是：是对机器人采用基于自适应模糊神经网络系统的共享控制的方法，通过自适应模糊神经网络系统实现对操作者的直接控制命令和机器人自主控制的实时切换来对机器人直接控制和局部自主控制；同时，机器人的动作模式采用基于模糊逻辑的控制方式；/n所述自适应模糊神经网络系统是一种将模糊逻辑和神经元网络有机结合的新型的模糊推理系统结构；所述自适应模糊神经网络系统设置三个输出值K

【技术特征摘要】
1.基于自适应模糊神经网络系统的机器人共享控制方法，其特征是：是对机器人采用基于自适应模糊神经网络系统的共享控制的方法，通过自适应模糊神经网络系统实现对操作者的直接控制命令和机器人自主控制的实时切换来对机器人直接控制和局部自主控制；同时，机器人的动作模式采用基于模糊逻辑的控制方式；
所述自适应模糊神经网络系统是一种将模糊逻辑和神经元网络有机结合的新型的模糊推理系统结构；所述自适应模糊神经网络系统设置三个输出值K1、K2和K3；
所述基于模糊逻辑的控制方式是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的计算机智能控制方式，包括避障模式、沿墙模式和容错模式，用以控制机器人的行为；
避障模式：为机器人躲避障碍的模式，输出机器人避障行为的转动角度ω2；
沿墙模式：为机器人沿墙行走的模式，输出机器人沿墙行为的转动角度ω3；
容错模式：为机器人判断直接控制命令的安全性的模式，输出一个直接控制命令的转动角ω1；
用所述自适应模糊神经网络系统设置的三个输出分别对应所述基于模糊逻辑的控制方式的三种控制机器人行为模式的激活等级，即K1为直接控制命令的激活等级，K2为避障模式的激活等级，K3为容错模式的激活等级；
将三种行为的转动角度分别乘以相对应的激活等级，再将其求和，得到最终的机器人的转动角度ω：



机器人按转动角度ω调整行走方向。


2.根据权利要求1所述的基于自适应模糊神经网络系统的机器人共享控制方法，其特征在于，所述自适应模糊神经网络系统将在线识别手动控制命令作为直接控制命令，具体为利用MATLAB仿真软件在线识别键盘输入指令，该指令作为直接控制命令；
所述在线识别是指机器人能够实时接收到直接控制命令，并通过传感器获取周围障碍物信息，实时约束直接控制命令。


3.根据权利要求2所述的基于自适应模糊神经网络系统的机器人共享控制方法，其特征在于，所述手动控制命令为键盘控制命令、摇杆控制命令等人机交互命令。


4.根据权利要求1所述的基于自适应模糊神经网络系统的机器人共享控制方法，其特征在于，机器人通过传感器采集机器人到前方、左前方及右前方障碍物的距离和安全优先级作为所述自适应模糊神经网络系统的输入；将传感器采集到的机器人到前方、左前方及右前方障碍物距离以及机器人当前状态下的朝向角作为所述避障模式的输入；将传感器采集的机器人到前方、左前方及右前方障碍物的距离作为沿墙模式的输入。


5.根据权利要求1所述的基于自适应模糊神经网络系统的机器人共享控制方法，其特征在于，具体步骤为：
(1)建立模型；
第一步，确定系统的输入输出变量：ANFIS控制器以左方、前方、右方障碍物的距离、安全优先级作为输入，以各个行为的激活等级K1、K2、K3作为输出；
第二步，初始化系统：初始的模糊推理系统采用Gridpartition方法来构建，采用Sugeno型模糊系统，输入变量的隶属度函数设置为高斯函数，输出函数设置为常数；
第三步，模型训练：训练算法为混合使用梯度下降和最小二乘法，通过前向学习和反向学习，对参数进行寻优调整，直至均方误差达到规定的精度要求；
第四步，应用模型：在训练次数到达或者误差精度已经满足后，训练过程停止；误差结果表明所建立的模糊神经网络模型是有效的，反映了输入与输出之间的映射规律，然后将模型应用到机器人中；
(2)采集机器人到前方障碍物的距离、机器人到左前方障碍物的距离、机器人到右前方障碍物的距离、机器人当前状态下的朝向角和安全优先级，将这些参数作为输入；
(3)基于模糊逻辑控制得到直接控制命令的转动角ω1、机器人避障行为的转动角度ω2和机器人沿墙行为的转动角度ω3；
(4)利用公式：...

【专利技术属性】
技术研发人员：郝矿荣，徐磊，王彤，唐雪嵩，蔡欣，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海;31