自主農(nóng)業(yè)機(jī)器人的神經(jīng)-模糊建模與故障檢測(cè).pdf

1、API是由丹麥奧爾堡大學(xué)和農(nóng)業(yè)科學(xué)研究所等單位聯(lián)合研發(fā)的自主農(nóng)業(yè)機(jī)器人。API機(jī)器人的主要任務(wù)是實(shí)現(xiàn)農(nóng)業(yè)耕作的自動(dòng)化，比如說(shuō)，應(yīng)用API機(jī)器人自主田間除草不僅可以減少農(nóng)業(yè)人員耕作的辛苦，而且能夠大幅度減少除草劑的使用，是當(dāng)今農(nóng)業(yè)現(xiàn)代化的研究熱點(diǎn)之一。作為一個(gè)復(fù)雜的機(jī)器人系統(tǒng)，API機(jī)器人系統(tǒng)融和了機(jī)器人學(xué)、機(jī)電一體化技術(shù)、通訊與計(jì)算機(jī)技術(shù)、機(jī)器人視覺(jué)與傳感融合技術(shù)及故障檢測(cè)技術(shù)等多種高新技術(shù)。 本論文以API機(jī)器人系統(tǒng)的建模和系

2、統(tǒng)的故障檢測(cè)為研究重點(diǎn)。1)API機(jī)器人系統(tǒng)的神經(jīng)-模糊建模 API機(jī)器人系統(tǒng)是一個(gè)強(qiáng)非線性、多變量、時(shí)變的復(fù)雜系統(tǒng)，用常規(guī)的數(shù)學(xué)方法建模既費(fèi)時(shí)又費(fèi)力，而且在各種假設(shè)下建立模型，其適應(yīng)度也大打折扣。由于神經(jīng)-模糊建模方法不同于解析的數(shù)學(xué)建模法(白色方法)，也不同于完全基于數(shù)據(jù)的建模法(黑色方法)，它是一種既基于測(cè)量數(shù)據(jù)又基于系統(tǒng)知識(shí)的建模方法，而類(lèi)似于API機(jī)器人這樣復(fù)雜的系統(tǒng)，測(cè)量其輸入輸出是容易做到的，因此，本論文采用神經(jīng)-

3、模糊理論來(lái)建立API機(jī)器人系統(tǒng)的數(shù)學(xué)模型。本文針對(duì)API機(jī)器人系統(tǒng)結(jié)構(gòu)的對(duì)稱(chēng)性，首次提出等效輪的概念，合理地簡(jiǎn)化了輸入變量的數(shù)目。過(guò)擬合現(xiàn)象是應(yīng)用神經(jīng)-模糊方法建模時(shí)常發(fā)生的現(xiàn)象，本文提出了一種ANFIS算法，通過(guò)調(diào)整數(shù)據(jù)運(yùn)算的迭代次數(shù)，避免了過(guò)度匹配訓(xùn)練數(shù)據(jù)，從而有效地防止了過(guò)擬合現(xiàn)象’的發(fā)生。大量的仿真結(jié)果表明，本文所提出的算法優(yōu)于用傳統(tǒng)的解析方法建模的效果，大大提高了API機(jī)器人系統(tǒng)的建模效率和精度。 2)API機(jī)器人系統(tǒng)

4、的故障檢測(cè) 論文的第二個(gè)重點(diǎn)在于研究API機(jī)器人系統(tǒng)的故障檢測(cè)(FD)。從API機(jī)器人系統(tǒng)的可靠性和安全性考慮，故障檢測(cè)是實(shí)現(xiàn)API機(jī)器人自主完成農(nóng)業(yè)耕作目標(biāo)的重要保障。故障檢測(cè)屬于容錯(cuò)控制的范疇，通過(guò)檢測(cè)算法可以預(yù)警系統(tǒng)中可能發(fā)生的故障，控制器可根據(jù)警告做出相應(yīng)的重構(gòu)重組，以確保系統(tǒng)的安全。實(shí)現(xiàn)故障檢測(cè)的方法有三類(lèi)，基于解析模型的方法、基于信號(hào)處理的方法和基于知識(shí)的方法。本論文將解析模型法和知識(shí)法相結(jié)合，首次提出了一種基于神經(jīng)