王洪瑞^１，２，張永興^１，劉聰娜^１
１．燕山大學工業計算機控制工程河北省重點實驗室，河北秦皇島　

２．河北大學電子信息工程學院，河北保定　

摘　　　要：針對機器人這種不確定性的復雜非線性系統很難建立其精確的數學模型這一問題，提出一種基于自適應神經模糊推理（ＡＮＦＩＳ）的方法對機器人系統進行建模。此方法將模糊推理和神經網絡的學習能力有機地結合起來，并利用神經網絡的學習機制自動地從輸入輸出數據中提取規則。建模過程中為了給ＡＮＦＩＳ賦予一個合適的初始狀態，選用減法聚類對輸入數據進行處理。ＡＮＦＩＳ網絡的所有參數采用混合算法進行調節，即前提參數采用誤差反向傳播法，結論參數采用較小二乘法。較后在Ｍａｔｌａｂ中對二自由度機器人進行仿真研究，仿真結果表明該方法模型結構簡單，建模速度快，辨識精度高，同時也驗證了該方法的有效性，為進一步實現機器人魯棒自適應控制打下基礎。

關　鍵　詞：機器人系統；減法聚類；自適應神經模糊推理

引　言
機器人系統是一個十分復雜的多輸入多輸出系統，具有時變、強耦合和非線性動力學特性。機器人性能的優劣，功能的強弱與控制器有著密切關系。為了對機器人進行有效的控制，需要確定其精確的數學模型。但在機器人解析建模過程中需要做大量的近似處理，忽略一些不確定性因素和不確定性的外界干擾，如機器人各關節之間的摩擦以及信號的檢測誤差等［１］，建立其精確的數學模型就非常困難。近年來，人們試圖去找一些新方法來解決這個問題，如文獻［２］就用了在線模糊聚類對二自由
度機器人進行了建模分析，但它沒有考慮外界干擾，辨識精度也不是很高。自適應神經模糊推理系統（ＡＮＦＩＳ）是一種基于Ｓｕｇｅｎｏ模型的模糊推理系統。它是將模糊推理和神經網絡有機結合起來形成的一種新型的模糊推理系統結構，對非線性系統具有任意逼近特性［３］。結合減法聚類它具有收斂速度快，訓練誤差小，所需訓練樣本少等特點。自１９９３年ＪａｎｇＲｏｇｅｒ提出以來［４］，已廣泛應用到信號處理、模式識別、工業系統建模等領域［５�玻叮荨１疚睦@開機器人復雜的結構，提出一種基于ＡＮＦＩＳ的機器人系統的建模方法，并以二自由度機器人作為對象進行仿真研究。結果表明該方法模型結構簡單，建模速度快，辨識精度高，也驗證了本文方法的有效性。

登錄網站后可下載文件