《婴儿摇篮机器人的设计.doc》由会员分享，可在线阅读，更多相关《婴儿摇篮机器人的设计.doc（6页珍藏版）》请在金锄头文库上搜索。
1、用模糊神经网络实现的婴儿摇篮车机器人（姓名：张招红 学号：SC10023170 系别：电子科学与技术系）一、引言草地上婴儿摇篮车里传来婴儿的哭声，闻声赶来的妈妈用手轻摇摇篮车，同时口里哼哼着逗着婴儿，哭声很快变成了笑声。受此场景的启发，何不模拟婴儿妈妈的动作制作一个婴儿摇篮车机器人呢！这个摇篮车机器人模仿婴儿妈妈做出摇晃摇篮车并发出类似婴儿妈妈哼哼的音乐，同时根据摇篮车所处声光环境的不同自动调节摇晃的速度和音乐的种类。制作婴儿摇篮车机器人关键是控制系统的设计，本文重点论述了摇篮车机器人控制系统的方案设计。二、总体方案制作婴儿摇篮机器人，实际上是利用智能系统按照婴儿妈妈的经验对摇篮车进行摇晃操作
2、同时发出适合当时环境的音乐。环境可以取当时的温度、亮度和婴儿声音的类型等，根据这些参数的具体情况，摇篮机器人自动选择摇晃的速度和音乐的类型。如表1中所示，可以根据人们的经验，制作类似的机器人动作规则。然后由机器人根据环境参数的具体值，结合表中的规则自动做出操作判断。摇篮车所处声光环境摇篮机器人对应的操作如果天亮且婴儿声音高快速摇晃，欢快的音乐如果天亮且婴儿声音中中速摇晃，轻柔的音乐如果天亮且婴儿声音低低速摇晃，轻柔的音乐如果天暗且婴儿声音高高速摇晃，欢快的音乐如果天暗且音声声音中中速摇晃，欢快的音乐如果天暗且婴儿声音低低速摇晃，很轻柔的音乐如果天黑且婴儿声音高中速摇晃，轻柔的音乐如果天黑且婴儿
3、声音中低速摇晃，很轻柔的音乐如果天黑且婴儿声音低低速摇晃，很轻柔的音乐表1 摇篮车所处声光环境和机器人对应的操作显然，摇篮车机器人系统是一个非线性不可数学建模的控制系统，传统的线性控制策略无法实现前述目标。而我们知道，模糊逻辑控制技术最适合用于那些非线性系统和在其输入或者对其操作描述存在着不确定性的系统，摇篮车机器人的控制策略可以选择用人工神经网络实现的模糊控制逻辑来控制。人工神经网络是由大量简单的处理单元组成的非线性、自适应、自组织系统，它是在现代神经科学研究成果的基础上，试图通过模拟人类神经系统对信息进行加工、记忆和处理的方式，设计出一种具有人脑风格的信息处理系统。模糊控制利用计算机来实现
4、人的控制经验，而人的控制经验一般是由语言来表达的，语言的控制规则通常用“如果A，那么B”的方式来表达在实际控制中专家的经验和知识，其最大的特征是将专家的控制经验、知识表示成语言控制规则，然后用这些规则去控制系统。采用人工神经网络实现模糊逻辑控制，是神经网络的结构具有模糊逻辑推理的功能，每一个神经网络权值均有明确的模糊逻辑，同时利用人工神经网络对信息处理具有自学习和自适应的特性对其参数和结构进行优化处理，可以达到在最简结构下获得最优控制的目的。婴儿摇篮车机器人控制系统的总体结构框图如图1所示。控制器功能用计算机来实现，被控对象是婴儿车，执行机构用步进电机和扬声器，用传感器采集环境参数经A/D转换
5、后作为控制器的输入，控制器根据输入和控制程序分析计算后输出控制命令分别驱动步进电机和扬声器，达到模仿婴儿妈妈控制摇篮车的目的。模糊控制器D/A驱动器步进电机摇篮车扬声器光电传感器音量传感器A/D图1 摇篮车机器人控制系统总体框图总体控制方案中，选用步进电机，因为步进电机控制简单，易于用计算机实验控制，只需控制器给驱动器输出脉冲即可，通过调节脉冲的频率即可达到控制电机速度的目的。图2为步进电机的速度曲线示意图，途中以脉冲频率代表电机速度，阴影部分的面积相当于电机运动的距离，途中正负表示电机的运动方向，显然图中一个周期表示婴儿车摇晃一个来回。并且步进电机适用于开环控制，具有结构简单、可靠性高、成本
6、低等优点。在运动控制中，关键的一点是要设计好速度曲线以达到跟人一样摇晃平稳程度，图2中的速度曲线肯定是不行的，因为电机启动和停止时速度都是阶跃变化，摇晃效果肯定很不平稳。tV=脉冲频率x电机步长图2 步进电机速度曲线示意图 本控制方案中另一个关键技术是模糊控制器的设计，包括输入输出论域的选择量化和模糊化，模糊标记语言的选择与确定，模糊规则的制定，以及模糊逻辑推理方法和解模糊方法的确定。模糊方案制定好以后，需要选择合适的人工神经网络类型，包括网络层数、各层神经元个数，神经元激活函数类型，以及神经元输入输出之间的连接方式等。最后需要对神经元权值参数和偏差参数进行训练调整，调整时要选择合适的训练算法
7、，普通的梯度下降法和经过改进的梯度下降法容易得到产生局部误差极小值的权值和偏差，为确保模糊控制器神经网络得到最优的权值参数，选择遗传算法对网络权值和偏差进行训练。模糊控制器中的控制规则刚开始肯定是不完善的，应该设计成随时可以增加修改。三、详细设计1、速度曲线的设计 按照人的经验，摇晃婴儿车的速度不能忽快忽慢，否则婴儿车的晃动将很不平稳，理想的速度曲线应该是很平滑的，并且加速度在启动时应该很小，然后逐渐增大，在停止之前，加速度应该连续减到很小，这样就可达到平滑的跟婴儿妈妈手动操作相同的摇晃效果。首先，根据经验手工绘制速度曲线，如图3所示。显而易见，图3中的速度曲线是非线性的，并且无法用数学建模的
8、方法得到如此的曲线。图 3 根据经验绘制的速度曲线草图我们知道，前向人工神经网络具有非线性函数逼近的功能，并且网络还有很强的函数泛化功能，用软件可以轻松实现神经网络，所以选择神经网络来实现图3中的速度曲线。网络类型选BP网络，网络结构为1-10-1，即网络有一个输入和一个输出，隐含层有10个神经元，采用s型激活函数，输出层采用线性激活函数，如图4所示。图4 神经网络结构示意图对网络的训练过程如下：a 确定网络输入输出对 输入矢量为时间，t=0 :0.1: 1.6, 单位为秒，共16个样本点 输出矢量为速度，v=0 0.5 2 5 10 15 16 16.5 16.5 16 15 10 5 2
9、0.5 0b 神经网络初始权值和初始偏差的选取选取-1到1间的随机数，W1= 0.3115，-0.9286，0.6983，0.8680，0.3575，0.5155，0.4863，-0.2155，0.3110，-0.6576W2=0.4121，-0.9363，-0.4462，-0.9077，-0.8057，0.6469，0.3897，-0.3658，0.9004 -0.9311B1= -0.1225，-0.2369，0.5310，0.5904，-0.6263，-0.0205，-0.1088，0.2926，0.4187，0.5094B2=0.0345c 确定训练标准，均方差选择sse=0.001；
10、d对网络进行训练，采用bp算法训练网络。 e 最后得到，训练好的权值和方差如下： W1 =11.3453，1.2079，1.5834，-2.8581，2.5617，-15.0401，4.6481，-4.9479，7.5650，-0.1939 W2=3.6007,2.2382,-0.4291,-1.9503,-1.8927,-4.0043,2.6279 ,13.0266 ,3.9742 ,3.0287 B1=-10.7119,-1.8621,0.9533,-0.3634,2.0017,6.2006,-3.2646,5.2211,-2.0161,3.6519 B2=1.6155;f 对网络进行模拟
11、，产生输出，输出结果如下,拟合曲线如图4所示。由图可以看出，网络曲线和样本曲线几乎完全拟合。因此，只要根据婴儿妈妈的经验绘制出经验速度曲线，就完全可以用人工神经网络的方法实现这个曲线，从而完成对电机的运动控制。v=0.0046,0.4985,2.0066,5.0006,10.0047,14.9940,16.0076,16.5075,16.4731,16.0197,14.9687, 10.0334 ,4.9636, 1.9766 ,0.5759,-0.0484图5 神经网络模拟输出曲线与样本曲线比较图 值得注意的是，速度曲线是凭人的经验画出来的，在实际应用中，应该视实际的运动效果，对曲线进行调整
12、，而神经网络的训练和实现都是通过计算机用软件来实现的，所以实际中的调整和训练时很方便的。2、模糊控制器的设计1）首先确定输入输出变量及论域输入变量之一为为环境亮度，按传感器的输出将亮度值分成10个等级，即亮度的论域为0 10，0表示天完全黑，10表示天完全亮。另一个输入变量为环境音量，同样把传感器的输出也划分为10个等级，即音量的论域为0 10，0表示完全静音，10表示音量最大。输出变量为婴儿才和摇晃速度和音乐，同样论域都设定为0 10。2）隶属函数的建立两个输入变量和两个输出变量的隶属函数均选择三角形隶属函数。如图6所示。环境亮度包含三个模糊标记，分别为亮、暗、黑；环境音量包含三个模糊标记，
13、分别为高、中、低；摇晃速度包含三个模糊标记，分别为快速、低速和高速，输出音乐也包含三个模糊标记，分别为欢快、轻柔和很轻柔。图6 输入输出变量隶属函数3）设计控制规则表亮度音量高中低亮快速中速低速暗高速中速低速黑中速低速低速表2 对应摇晃速度的控制规则表表2中为摇晃输出的控制规则表，模糊输出经过解模糊后的到一个精确值，这个精确值和生成速度曲线的神经网络输出相乘后输出给电机，从而实现步进电机的运动控制。表3中为输出音乐的的控制规则表，模糊输出经过解模糊后，再根据软件中设置针对不同输出值播放不同德音乐文件。亮度音量高中低亮欢快轻柔轻柔暗欢快欢快很轻柔黑轻柔轻柔很轻柔表3 对应输出音乐的控制规则表4)
14、模糊推理过程假如输入为（亮度2.2，音量7.9），对应的模糊标记及隶属度分别为：亮度-黑（27%）、亮度-暗（7%）、音量-中（4%）、音量-高（30%），对照控制规则表，此输入将分别将激活4条控制规则(其中输出变量的隶属度采用马达尼推理法即取大取消法则得到)：a 如果亮度-黑（0.27）且音量中（0.04），则输出速度-低速（0.04），音乐-欢快（0.04）；b如果亮度-黑（0.27）且音量高（0.30），则输出速度-中速（0.27），音乐-轻柔（0.27）；c如果亮度-暗（0.07）且音量中（0.04），则输出速度-中速（0.04），音乐-欢快（0.04）；d如果亮度-暗（0.07）且音
15、量高（0.30），则输出速度-中速（0.04），音乐-欢快（0.04）；根据被激活的四条控制规则，利用马达尼推理法即取大取小推理法可求得，总的控制输出为：输出速度-低速（0.04）对应值为2.88，中速（0.27）对应值为2.81；输出音乐-欢快（0.04）对应值为7.12，轻柔（0.27）对应值为7.19，再利用质心法解模糊求得最终输出为：输出速度=（2.88*0.04+2.81*0.27）/（0.04+0.27）=2.81;输出音乐=（7.12*0.04+7.19*0.27）/(0.04+0.27)=7.181.通过软件编程，把控制规则存储在内存中，以上过程很容易用软件来实现。在程序设计中，用神经元表示模糊标记，神经元权值表示隶属度，这样模糊系统和神经公网相结合就构成了一个完整的模糊神经控制系统。四 小结 本文通过对婴儿妈妈对摇篮车中婴儿的照顾情况的分析，提出了设计一种智能的婴儿摇篮车机器人，并且分析了实现此机器人需要解决的难题和关键技术，其中，用神经网络实现了根据人的经验绘制的非线性不可数学建模的速度曲线，阐述了用模糊系统和
