[发明专利]基于模糊免疫神经网络算法的全向底盘控制方法

权利要求书

1.一种基于模糊免疫神经网络算法的全向底盘控制方法，其特征在于包括以下步骤：

步骤一、构建模糊神经网络控制器；

初始化神经网络，神经网络第一层为输入层，将系统的输出误差e(t)和该误差的变化量Δe(t)送入系统，神经网络第一层所有节点连接权值为1；神经网络第二层为模糊化层，由隶属度函数对输入量进行模糊化处理；隶属度函数选择高斯分布模型函数，则

fij(2)=exp(-(ui(2)-mij)2σij2)---(1)]]>

其中，m_ij为第i个模糊变量第k项高斯函数中心，σ_ij为该高斯函数宽度；神经网络第二层所有节点连接权值为1；第三、四层为模糊计算层，完成模糊计算，神经网络第三、四层所有节点链接权值为1；第五层为输出层，将结果进行逆模糊化并输出，神经网络第五层的连接权值为

步骤二、基于误差逆传播对参数进行学习；

误差函数定义如下：

Ek=12Σi=1p(Xo-Xi)2=12Σi=1pe(t)2---(2)]]>

其中，X_o和X_i分别为系统实际和给定的输出；从步骤一得到，需要学习的参数为m_ij,σ_ij,采用误差逆传播算法进行学习；对输出X_o进行偏导，得：

∂Ek∂Xo=∂Ek∂fi(5)=(Xo-Xi)---(3)]]>

进而求得：

∂Ek∂ωij(5)=∂Ek∂fi(5)∂fi(5)∂ωi(5)=(Xo-Xi)oi(4)---(4)]]>

同时求得：

∂Ek∂fi(4)=Σn=1∂Ek∂fn(5)∂fn(5)∂fi(4)∂Ek∂fi(3)=Σn=1∂Ek∂fn(4)∂fn(4)∂fi(3)∂Ek∂fij(2)=Σn=1∂Ek∂fn(3)∂fn(3)∂fij(2)---(5)]]>

根据式(5)，求得相应的梯度：

∂Ek∂mij=∂Ek∂fij(2)∂fij(2)∂mij=∂Ek∂fij(2)2(oi(2)-mij)σij2---(6)]]>

∂Ek∂σij=∂Ek∂fij(2)∂fij(2)∂σij=∂Ek∂fij(2)2(oi(2)-mij)2σij3---(7)]]>

误差逆传播算法采用梯度下降的策略，以目标的负梯度方向对参数进行学习；记学习率为η，得学习算法公式为：

ωij(k+1)=ωij(k)-η∂Ek∂ωij---(8)]]>

mij(k+1)=mij(k)-η∂Ek∂mij---(9)]]>

σij(k+1)=σij(k)-η∂Ek∂σij---(10)]]>

误差逆传播算法通过式(8)(9)(10)进行参数学习；初始设置误差函数的阈值为E_k0；当式(2)值小于E_k0时，算法停止，参数学习完成；

步骤三、基于免疫算法对学习率进行控制；

将免疫算法引入学习率的控制；在误差逆传播算法运行过程中，使用免疫算法进行η的自整定；

令ΔS(k)分别为Δω_ij,Δm_ij,Δσ_ij，非线性函数f(x)＝x²代入式(8)分别计算出η，代入式(8)(9)(10)，最终得：

ωij(k+1)=ωij(k)-(1-K(Δωij)2)∂Ek∂ωij---(11)]]>

mij(k+1)=mij(k)-(1-K(Δmij)2)∂Ek∂mij---(12)]]>

σij(k+1)=σij(k)-(1-K(Δσij)2)∂Ek∂σij---(13)]]>

步骤四、惯性导航控制器设计；

全向底盘对弧线轨迹进行追踪，对于解算出来的轨迹，原有轨迹逼近解算轨迹，得到实际轨迹，解算轨迹与实际轨迹两者之间相差θ度；惯性导航系统的惯性测量单元测的角度偏差θ并将其作为输入，电机转速ω作为输出；

步骤五、将运动控制系统和惯性导航系统进行输入融合，控制全向底盘。