基于回声状态网络的机械臂的视觉伺服控制

doi:10.16182/j.issn1004731x.joss.201708027

系统仿真学报 ›› 2017, Vol. 29 ›› Issue (8): 1845-1850.doi: 10.16182/j.issn1004731x.joss.201708027

基于回声状态网络的机械臂的视觉伺服控制

李国友, 苏侠飞, 秦晓磊, 史香雪

燕山大学工业计算机控制工程河北省重点实验室,秦皇岛 066004

收稿日期:2015-09-09 发布日期:2020-06-01
作者简介:李国友(1972-),男,河北秦皇岛,博士,教授,研究方向为伺服控制、智能控制;苏侠飞(通讯作者1989-),女,河北邯郸,硕士生,研究方向为伺服控制、智能控制。
基金资助:
河北省自然科学基金(F2012203111),河北省高等学校科学技术研究青年基金(2011139)

Robotic Manipulator's Visual Servo Control Based on Echo State Networks

Li Guoyou, Su Xiafei, Qin Xiaolei, Shi Xiangxue

Key Laboratory of Industrial Computer Control Engineering of Yanshan University, Qinhuangdao 066004, China

Received:2015-09-09 Published:2020-06-01

摘要/Abstract

摘要： 由于机械臂本身的非线性和强耦合性,使得在研究机械臂控制问题的时候不得不考虑由此而带来的模型不确定项的问题。针对机械臂系统模型中的不确定项部分,将回声状态网络引入到机械臂的视觉伺服控制系统中。利用回声状态网络对系统的不确定项部分进行辨识,从而在控制律中实现对该部分的补偿,最终实现机械臂的定位控制。利用MATLAB仿真软件对系统进行仿真,仿真结果与没有使用回声状态网络的系统进行比较。结果表明,回声状态网络能很好地对系统的不确定项进行辨识,并通过对不确定项的补偿,使系统能更快达到期望要求。

关键词: 回声状态网络, 视觉伺服, 机械臂, MATLAB仿真

Abstract: The inaccuracy in robotic manipulator modeling, which due to the nonlinear and strong coupling of robotic manipulator itself, cannot be ignored on the study of the robotic manipulator control problem. Aiming at the inaccuracy in robotic manipulator modeling, this study led echo state network in the visual servo control system of robotic manipulator. In order to achieve the robotic manipulator positioning control, this study used the echo state network to identify inaccurate item and compensates the uncertainties of the model in the control law. The simulation model of the simulated system was built with MATLAB simulation software. The results, compared with the visual servo system without echo state network, the echo state network can well identify the inaccuracy in robotic manipulator modeling. The system can quickly achieve the desired requirements with compensate the uncertainties of the model.

Key words: echo state network, visual servo, robotic manipulator, MATLAB simulation

中图分类号:

TP391.9

李国友, 苏侠飞, 秦晓磊, 史香雪. 基于回声状态网络的机械臂的视觉伺服控制[J]. 系统仿真学报, 2017, 29(8): 1845-1850.

Li Guoyou, Su Xiafei, Qin Xiaolei, Shi Xiangxue. Robotic Manipulator's Visual Servo Control Based on Echo State Networks[J]. Journal of System Simulation, 2017, 29(8): 1845-1850.

参考文献

[1] Park D H, Kwon J H, Ha I J.Novel position-based visual servoing approach to robust global stability under field-of-view constraint[J]. IEEE Transactions on Industrial Electronics (S0278-0046), 2012, 59(12): 4735-4752.
[2] Keshmiri M, Xie W F, Mohebbi A.Augmented Image-Based Visual Servoing of a Manipulator Using Acceleration Command[J]. IEEE Transactions on Industrial Electronics (S0278-0046), 2014, 61(10): 5444-5452.
[3] Ceren Z, Altuğ E.Image based and hybrid visual servo control of an unmanned aerial vehicle[J]. Journal of Intelligent & Robotic Systems (S0921-0296), 2012, 65(1/4): 325-344.
[4] Zhang X, Fang Y, Liu X.Motion-estimation-based visual servoing of nonholonomic mobile robots[J]. IEEE Transactions on Robotics (S1552-3098), 2011, 27(6): 1167-1175.
[5] 王俭臣, 齐晓慧, 单甘霖. 基于EPSO-BP的Elman网络及其在飞行轨迹预测中的应用[J]. 控制与决策, 2013, 28(12): 1884-1888.
(Wang Jianchen, Qi Xiaohui, Shan Ganlin.Elman network based on EPSO-BP and its application in flight trajectory prediction[J]. Control and Decision (S1001-0920), 2013, 28(12): 1884-1888.)
[6] 隗兵, 戴文战. 基于克隆选择算法的Hopfield网络容量提升方法[J]. 浙江理工大学学报(自然科学版), 2015, 33(5): 390-393.
(Wei Bing, Dai Wenzhan.Improvement of Hopfield Network Capacity Based on Clonal Selection Algorithm[J]. Journal of Zhejiang Sci-Tech University (Natural Sciences)(S1673-3851), 2015, 33(5): 390-393.)
[7] 丁惜瀛, 王春强, 李琳. 基于对角递归神经网络的汽车主动悬架控制[J]. 沈阳工业大学学报, 2015, 37(1): 6-10.
(Ding Xinyin, Wang Chunqiang, Li Lin.Vehicle active suspension control based on diagonal recurrent neural network[J]. Journal of Shenyang University of Technology (S1000-1646), 2015, 37(1): 6-10.)
[8] Holzmann G, Hauser H.Echo state networks with filter neurons and a delay & sum readout[J]. Neural Networks (S0893-6080), 2010, 23(2): 244-256.
[9] Ferreira A A, Ludermir T B, De Aquino R R B. An approach to reservoir computing design and training[J]. Expert systems with applications (S0957-4174), 2013, 40(10): 4172-4182.
[10] 许美玲, 韩敏. 多元混沌时间序列的因子回声状态网络预测模型[J]. 自动化学报, 2015, 41(5): 1042-1046.
(Xu Meiling, Han Min.Factor Echo State Network for Multivarate Chaotic Time Series Prediction[J]. Acta Automatica Sinica (S0254-4156), 2015, 41(5): 1042-1046.)
[11] 李晓华, 李军. 基于ESN网络的连续搅拌反应釜(CSTR) 辨识[J]. 信息与控制, 2014, 43(2): 223-228.
(Li Xiaohua, Li Jun.Identification of Continuous Stirred Tank Reactor Based on Echo State Network[J]. Information and Control (S1002-0411), 2014, 43(2): 223-228.)
[12] 杜佩君. ESN 网络在机器人轨迹跟踪控制中的应用[J]. 自动化仪表, 2013, 34(6): 4-6.
(Du peijun. Application of the Echo State Network (ESN) in Trajectory Tracking Control for Robots[J]. Process Automation Instrumentation (S1000-0380), 2013, 34(6): 4-6.)
[13] 李惠光, 康振波, 冷春辉, 等. 一种新的双目立体视觉伺服控制模型及实验研究[J]. 燕山大学学报, 2011, 35(3): 215-222.
(Li Huiguang, Kang Zhenbo, Leng Chunhui, et al.A New Binocular Stereo Vision Servo Control Model and Experimental Research[J]. Journal of Yanshan University (S1007-791X), 2011, 35(3): 215-222.)
[14] Li G, Li H, Zhang B.Design and Analysis of an Adaptive RBF Neural Network Controller for Two-eye Robot Visual System[J]. Journal of Computational Information Systems (S1553-9105), 2014, 10(17): 7517-7527.
[15] 罗熊, 黎江, 孙增圻. 回声状态网络的研究进展[J]. 北京科技大学学报, 2012, 34(2): 218-221.
(Luo Xiong, Li Jiang, Sun Zengqi.Research Progress of Echo State Network[J]. Journal of University of Science and Technology Beijing (S2095-9389), 2012, 34(2): 218-221.)
[16] Butcher J B, Verstraeten D, Schrauwen B, et al.Reservoir computing and extreme learning machines for non-linear time-series data analysis[J]. Neural networks (S0893-6080), 2013, 38(1): 76-89.

基于回声状态网络的机械臂的视觉伺服控制

Robotic Manipulator's Visual Servo Control Based on Echo State Networks

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	杜宝林, 朱大昌, 盘意华. 机械臂模糊超螺旋二阶滑模轨迹跟踪控制[J]. 系统仿真学报, 2022, 34(6): 1343-1352.
[2]	刘文正, 张和明. 面向复杂系统运动仿真的信息物理融合建模[J]. 系统仿真学报, 2022, 34(5): 954-963.
[3]	桂欣冬, 吉鸿江, 范玲玲, 刘世达. 信任驱动的自适应协调控制算法及应用[J]. 系统仿真学报, 2021, 33(8): 1809-1817.
[4]	张瑞民, 陈巧玉. 基于光滑二阶滑模的机械臂轨迹跟踪控制[J]. 系统仿真学报, 2021, 33(6): 1315-1322.
[5]	蒋泽睿, 杨立军, 李俊, 焦晓龙, 郑航. 自动跟踪口腔手术灯的运动学分析与仿真[J]. 系统仿真学报, 2021, 33(12): 2864-2879.
[6]	张鑫, 李嘉欣. 基于分数阶微积分的机械臂滑模控制的研究[J]. 系统仿真学报, 2020, 32(5): 911-917.
[7]	张宪霞, 章进强, 李致远, 马世伟, 杨帮华. 基于支持向量回归机学习的机械臂视觉反馈模糊控制[J]. 系统仿真学报, 2020, 32(10): 1997-2009.
[8]	米根锁, 梁骅旗. 基于干扰观测器的机械臂非线性滑模控制[J]. 系统仿真学报, 2019, 31(9): 1935-1941.
[9]	王刚, 孙太任, 丁胜培. 动态受限机械臂的局部加权学习控制[J]. 系统仿真学报, 2019, 31(4): 733-739.
[10]	孙领, 东亚, 刘伟, 杨冠云. 自驾游交通路线仿真分析[J]. 系统仿真学报, 2019, 31(3): 429-437.
[11]	李宪华, 石雪松, 吕磊, 张雷刚, 宋韬. 基于全局可操作度的6R机械臂尺寸优化方法[J]. 系统仿真学报, 2019, 31(12): 2569-2574.
[12]	丁家乐, 陈国初, 原阔. 基于改进萤火虫算法的短期风功率预测[J]. 系统仿真学报, 2019, 31(11): 2509-2516.
[13]	袁庆庆, 宋斌, 杨娜. 低开关频率下电励磁同步电机的MATLAB仿真研究[J]. 系统仿真学报, 2018, 30(6): 2168-2174.
[14]	程靖, 陈力. 柔性空间机械臂捕获卫星后梯度下降自校正控制[J]. 系统仿真学报, 2018, 30(5): 1869-1876.
[15]	葛为民, 闫珂珂, 王肖锋, 刘增昌. 可重构机械臂的鲁棒模糊自适应补偿控制[J]. 系统仿真学报, 2018, 30(5): 1950-1956.