[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

摘要

本发明公开了一种基于模糊免疫神经网络算法的全向底盘控制方法，用于解决现有全向底盘控制方法控制精度差的技术问题。技术方案是将模糊算法引入底盘PID的参数整定，将神经网络算法引入模糊算法，建立五层神经网络。第一层为输入层，输入量为系统输出的误差e(t)以及误差的变化量Δe(t)；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；第三、四层为模糊计算层，完成模糊计算；第五层为输出层，将结果进行逆模糊化并输出。在这一过程中对于需要学习的参数，采用误差逆传播(BP)算法进行学习，并将免疫算法引入学习过程，将惯性导航系统、运动控制系统以及IMU相结合，提高了系统对于给定轨迹和实时轨迹跟踪的能力，控制精度高。

主权项

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，mij为第i个模糊变量第k项高斯函数中心，σij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，Xo和Xi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mij,σij,采用误差逆传播算法进行学习；对输出Xo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Ek0；当式(2)值小于Ek0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Δωij,Δmij,Δσij，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。