论文部分内容阅读
长期以来，机器人系统的建模和控制一直是控制科学工作者普遍关注的重要研究领域，同时也取得了许多理论成果。然而大部分现有工作都集中在机械臂系统的建模和控制上，这些方法大多并不真正适应于双足步行机器人的步态控制。因而针对具有不确定性的双足机器人系统，研究模糊神经网络建模和鲁棒控制问题具有重要的理论意义和应用价值，同时这也是当前国际控制界的热点研究问题之一。
该文的主要内容和研究成果包括：
1)提出了一种Ⅱ型模糊神经网络的系统化构造方法，并利用该网络对双足机器人的逆系统进行建模。其中，该系统化构造方法包括了基于概率建模方法的Ⅱ型模糊集重定义、基于数据不确定性的FCMV(FuzzyC-MeanVariance)聚类算法以及离散型和连续型的Ⅱ型模糊神经网络构建过程。
2)针对双足机器人的单脚支撑期控制问题，提出一种多层模糊CMAC(CerebellarModelArculationController)神经网络H∞控制方法。利用H∞控制策略有效抑制了模糊神经网络重构误差的影响，仿真结果表明了该控制方法较一般的逆系统控制方法有更好的鲁棒性能。
3)研究了一类关节角不可测的不确定双足机器人系统，并基于模糊神经网络观测器提出了一种二次稳定输出反馈鲁棒控制策略。利用SPR(StrictlyPositiveReal)方法对模糊神经网络非线性观测器进行设计，结合H∞优化控制和变结构控制实现了具有鲁棒性能的非线性观测器，在此基础上构建了控制系统，仿真结果验证了该算法的有效性。
4)提出了一种双足机器人的切换系统建模方法，用以整合步行机器人多个步行期之间的关系。并基于滞留时间控制方法对该切换系统模型进行了控制，采用滞留时间的控制方法可以保证系统的指数稳定。
5)针对双足机器人的双脚支撑期，提出了一种降阶位置/力混合模型。并在此基础上研究了双脚支撑期的模糊神经网络位置/力混合控制器的设计方法。最后举例验证了所提出算法的有效性。