[发明专利]一种基于模糊神经网络的机械臂柔性关节控制方法

权利要求书

1.一种基于模糊神经网络的机械臂柔性关节控制方法，该方法包括以下步骤：

步骤1.建立模糊神经网络模型；

步骤2.制定神经网络参数学习算法；

步骤3.通过学习算法确定后件网络的连接权参数，前件网络的隶属度函数中心值和宽度参数；

步骤4.根据辨识模型建立模糊神经网络控制器；

所述步骤1包括建立基于Takagi-Sugeno模型的模糊神经网络结构：

步骤1-1：设定前件网络第一层输入层，确定所述输入层参数，将输入值向量传送到前件网络第二层；

步骤1-2：确定前件网络第二层每个节点代表的语言变量值，将各输入量模糊化计算各输入向量的分量x_i属于各所述语言变量值模糊集合的隶属度函数将对应的隶属度函数的引入到Takagi-Sugeno模型中；

步骤1-3：制定前件网络第三层的每个节点的模糊规则，匹配模糊规则的前件，计算出每条规则的适应度；

步骤1-4：前件网络第四层节点数与前件网络第三层节点数相同，完成所述前件网络第四层归一化运算；

步骤1-5：制定后件网络输出量规则，设定后件网络的第一层为输入层，它将输入变量传送到第二层；

步骤1-6：后件网络的第二层的每个节点代表一条模糊规则，计算每一条规则的后件；

步骤1-7：设定后件网络的第三层为输出层，计算各规则输出的加权和。

2.根据权利要求1所述的控制方法，其特征在于，所述步骤1-1中输入层参数为关节的定位误差和误差变化量。

3.根据权利要求1所述的控制方法，其特征在于，所述步骤1-2中隶属度函数代表输入量对于模糊集合的隶属程度大小，其取值范围为[0,1]，所述第二层的节点总数为输入量模糊分割数之和。

4.根据权利要求1所述的控制方法，其特征在于，所述步骤2为制定神经网络参数学习算法，具体包括：

步骤2-1：确定后件网络的连接权p_ji，定义误差函数，根据步骤1建模可以推导出p_ji的学习算法；

步骤2-2：确定隶属度函数中的中心值c_ij和宽度值σ_ji。

5.根据权利要求4所述的控制方法，其特征在于，所述步骤2-1确定权重参数p_ji后，将模糊神经网络结构进行简化，所述模糊神经网络结构是一种双输入单输出的多层前馈网络，因此可以仿照BP网络用误差反向传播的方法来设计调整参数的学习算法，确定各层误差信号。

6.根据权利要求1所述的控制方法，其特征在于：所述步骤3为通过学习算法确定后件网络的连接权参数，前件网络的隶属度函数中心值和宽度参数，具体包括：

步骤3-1，首先通过PID等传统控制方法获得训练参数，选取不同工况下控制效果较好的恩进行训练；

步骤3-2：将训练样本代入步骤2中推导出的学习方法中，采用网格分割方式生成一个基于Takagi-Sugeno模型的模糊推理系统；

步骤3-3：计算确定后件网络的连接权参数，前件网络的隶属度函数中心值和宽度参数，以及训练后隶属度函数的分布。

7.根据权利要求1所述的控制方法，其特征在于：所述步骤4为根据辨识模型建立模糊神经网络控制器，通过关节上的角传感器获得角度信号，并且与设定的角度值进行比较，从而获得定位误差和误差变化量，通过模糊化之后，根据模糊规则得到模糊判定，从而获得一个合理的输出电流以控制关节电机。