随着机器人技术的发展, 对于无法精确解析建模的物理对象以及信息不足的病态过程,传统控制理论暴露出缺点 ,近年来许多学者提出了各种不同的机器人智能控制系统。机器人的智能控制方法有模糊控制 、神经网络控制 、智能控制技术的融合( 模糊控制和变结构控制的融合 ; 神经网络和变结构控制的融合; 模糊控制和神经网络控制的融合 ; 智能融合技术还包括基于遗传算法的模糊控制方法) 等。近几年,机器人智能控制在理论和应用方面都有较大的进展 。在模糊控制方面 ,j . j . buckley 等人论证了模糊系统的逼近特性 , e. h . mamdan 首次将模糊理论用于一台实际机器人。模糊系统在机器人的建模、控制 、对柔性臂的控制、模糊补偿控制以及移动机器人路径规划等各个领域都得到了广泛的应用。在机器人神经网络控制方面 ,cmca ( cere-bella model controller articulation) 是应用较早的一种控制方法 , 其最大特点是实时性强, 尤其适用于多自由度操作臂的控制 [1]  。
智能控制方法提高了机器人的速度及精度, 但是也有其自身的局限性, 例如机器人模糊控制中的规则库如果很庞大, 推理过程的时间就会过长; 如果规则库很简单 ,控制的精确性又会受到限制 ; 无论是模糊控制还是变结构控制 ,抖振现象都会存在 ,这将给控制带来严重的影响 ; 神经网络的隐层数量和隐层内神经元数的合理确定仍是目前神经网络在控制方面所遇到的问题,另外神经网络易陷于局部极小值等问题 ,都是智能控制设计中要解决的问题。

---

广州灵猫网络科技有限公司
13922242218