CMAC網絡在機器人手眼系統(tǒng)位置控制中的應用

摘要：在機器人手眼系統(tǒng)位置控制中，用CMAC神經網絡建立了機器人非線性視覺映射關系模型，實現了圖像坐標到機器人坐標的變換。該模型采用了一種新的多維CMAC網絡的處理方法——疊加處理法。實驗，與BP網絡相比，CMAC網絡能以羅高的精度和較快的速度完成手眼系統(tǒng)的坐標變換。

    關鍵詞：CMAC神經網絡 BP網絡 疊加處理器 機器人手眼系統(tǒng)

近年來，在智能機器人領域，關于機器人手眼系統(tǒng)位置控制問題的研究受到越來越多的關注。在研究中發(fā)現存在這樣一個問題，即如何以較高的精度和較快的速度實現機器人手眼系統(tǒng)位置控制，以使機器人能快速實現對目標物體的準確定位和自動抓取。這個問題也就是機器人手眼系統(tǒng)中非線性視覺映射關系模型的建模問題。采用精確的數學模型是機器人視覺系統(tǒng)傳統(tǒng)的建模方法。但由于這類問題是高度的非線性問題，參數多且其間的相關性強，故這種方法理論上雖然精確，但是建模困難、計算量大，實時性差且沒有容錯能力和自學習能力，而神經網絡作為一種智能信息處理的新技術，具有極強的非線性映射能力。因此采用神經網絡的建模方法與傳統(tǒng)的方法相比具有極大的優(yōu)越性。

作者已經采用BP網絡建立了機器人視覺系統(tǒng)的映射模型，并作了初步的研究和實驗。結果發(fā)現，采用神經網絡建立機器人視覺映射模型是一種有效的建模方法。但采用BP網絡建立模型存在網絡規(guī)模大、訓練時間長、容易陷入局部最小解、定位精度較低等缺點。本文采用CMAC神經網絡建立了機器人視覺系統(tǒng)的映射模型，取得了十分令人滿意的效果。

1 CMAC神經網絡簡介

小腦模型關節(jié)控制器神經網絡(Cerebellar Model Articulation Controller Neural Network，即CMAC神經網絡)是Albus根據小腦的生物模型提出的一種人工神經網絡。它學習速度快，具有局域泛化能力，能夠克服BP網絡容易陷入局部最小點的問題，且硬件易于實現。目前，CMAC神經網絡被廣泛應用于機器人控制、非線性函數映射、模式識別以及自適應控制等領域。

1.1 CMAC的基本結構和原理

CMAC神經網絡的模型結構原理圖如圖1所示。它本質上可看作是一種用于表示復雜非線性函數的查表結構。

圖1中，S為n維輸入矢量空間；A為聯(lián)想記憶空間；Y是輸出響應矢量。輸入空間S中的每一矢量S(…，Si，…，Sj，…)被量化后送人存鍺區(qū)A，每個輸入變量Si激活存儲區(qū)A中C個連續(xù)存儲單元。網絡輸出yi為這C個對應單元中值(即權wi)的累加結果，對某一輸入樣本，總可通過調整權值達到期望輸出值。由圖1可以看出，每一輸入樣本對應于存儲區(qū)A中的C個單元，當各樣本分散存儲在A中時，在S中比較靠近的那些樣本就會在A中出現交疊現象，其輸出值也比較相近，即這C個單元遵循"輸入相鄰，輸出相近"的原則，這種現象被稱為CMAC神經網絡的局部泛化特性，C為泛化參數：C越大，對樣本的映射關系影響越大，泛

[1] [2] [3] [4] 

【CMAC網絡在機器人手眼系統(tǒng)位置控制中的應用】相關文章：

CMAC網絡建模在非線性預測控制中的應用04-28

基于RBF網絡的PID控制在溫度控制系統(tǒng)中的應用04-28

最優(yōu)跟蹤在電液位置系統(tǒng)中應用04-30

西門子列車網絡控制系統(tǒng)在廣州地鐵中的應用04-28

先進控制方法在飛行控制系統(tǒng)設計中的應用04-27

PLC在火力電廠控制系統(tǒng)中的應用04-29

光纖通道在火箭控制系統(tǒng)中的應用04-28

變頻調速在水位控制系統(tǒng)中的應用05-01

智能光網絡在通信系統(tǒng)中的應用04-28

模糊PID控制在光電跟蹤控制系統(tǒng)中的應用04-28