基于回归神经网络多机械臂运动控制研究  

Decentralized Kinematic Control of a Class of Collaborative Redundant Manipulators via Recurrent Neural Networks

作　　者：陈三风[1,2] 韩鑫[2,1] 湛邵斌 卢鑫[1] 林广明[1] 陈熙[1] 

机构地区：[1]深圳信息职业技术学院信息技术研究所,广东深圳518029 [2]江西理工大学机电工程学院,江西赣州341000

出　　处：《控制工程》2017年第11期2211-2217,共7页Control Engineering of China

基　　金：广东省自然科学基金(S2012010008997&2015A030313587);广东省高等学校优秀青年教师培养计(YQ2013194);深圳市科技计划(JCYJ20140418100633634&JCYJ20150417094158025&GRCK20170424095924228)

摘　　要：该文将多协作冗余机械臂的运动控制问题转化成一个可完全分解的约束二次求解问题,并将该约束二次求解问题拆分成一系列独立的子问题,每个子问题对应于单个机械臂的运动控制模型,其大大简化了多协作机械臂的运动控制模型。另外,该文采用对偶回归神经网络求解该运动控制模型,每个独立的神经网络核对应于一个机械臂的控制模型。该文首次将对偶回归神经网络用于多冗余机械臂系统的控制问题中,具有很强的应用研究意义。与现有的对偶回归神经网络相比,该文提出的对偶回归神经网络结构非常特殊,其多项性能将大大提高,使得多协作机械臂的运动控制问题变成完全分布式。理论验证结果表明,该文提出的模型是全局稳定的并且可得到全局最优解。仿真实验结果表明本论文提出的方案是有效的。该文的研究结果可为多协作冗余机械臂的控制理论和技术发展提供新的思路。This study focuses on the decentralized kinematic controlling strategy of multiple redundant manipulators for the cooperative task execution problem. The problem is formulated as a constrained quadratic programming problem and then a recurrent neural network with independent modules is proposed to solve the problem in a distributed manner. Each module in the neural network controls a single manipulator in real time without explicit communication with others and all the modules together collectively solve the common task. The study will also demonstrate the global stability of the proposed neural network and the optimality of the neural solution. The structure of the proposed dual neural networks is very novel,and its performances are greatly improved. The simulation results show that the proposed algorithm is effective. The researching results will prompt the development of the controlling theory of mutiple redundant manipulators.

关 键 词：对偶回归神经网络 二次优化 冗余机械臂 分布式运动控制 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]