機器人模糊模型辨識方法研究及其在機器馬中的應(yīng)用.pdf

1、機器人系統(tǒng)是一個十分復(fù)雜的多輸入多輸出系統(tǒng)，具有時變、強耦合和非線性動力學(xué)特性。在機器人解析建模過程中需要做大量的假設(shè)和近似處理，忽略一些不確定性因素和不確定的外界干擾，諸如機器人各關(guān)節(jié)之間的摩擦、高頻特性、信號的檢測誤差等，無法得到其精確的數(shù)學(xué)模型。近年來，模糊建模已經(jīng)成為非線性系統(tǒng)建模的研究熱點，基于模糊理論的模糊辨識方法正被廣泛應(yīng)用于復(fù)雜系統(tǒng)的建模中。對于機器人系統(tǒng)而言，引進(jìn)模糊建模方法將為實現(xiàn)機器人魯棒自適應(yīng)控制打下堅實基礎(chǔ)。<

2、br>　　本文以不確定性機器人系統(tǒng)為研究對象，主要研究了兩種機器人模糊建模方法，并將這兩種方法用于仿生機器馬的模糊模型建立當(dāng)中，具體工作如下：
　　首先給出一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的方法對機器人系統(tǒng)進(jìn)行建模。為了給ANFIS賦予一個合適的初始狀態(tài)，選用減法聚類對輸入數(shù)據(jù)進(jìn)行處理。ANFIS網(wǎng)絡(luò)的所有參數(shù)采用混合算法進(jìn)行調(diào)節(jié)，即前提參數(shù)采用梯度下降法，結(jié)論參數(shù)采用最小二乘法。
　　接著提出一種改進(jìn)的模糊聚類