机器人视觉伺服中CMAC学习控制系统研究

doi:10.3778/j.issn.1002-8331.2010.26.072

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (26): 238-240.DOI: 10.3778/j.issn.1002-8331.2010.26.072

机器人视觉伺服中CMAC学习控制系统研究

石玉秋¹，孙炜²

1.广西工学院电子信息与控制工程系，广西柳州 545006
2.湖南大学电气与信息工程学院，长沙 410082

收稿日期:2009-02-24 修回日期:2009-04-24 出版日期:2010-09-11 发布日期:2010-09-11
通讯作者: 石玉秋

Research on CMAC study control strategy for robotic visual servo system

SHI Yu-qiu¹，SUN Wei²

1.Department of Electronic Information and Control Engineering，Guangxi University of Technology，Liuzhou，Guangxi 545006，China
2.College of Electrical and Information Engineering，Hunan University，Changsha 410082，China

Received:2009-02-24 Revised:2009-04-24 Online:2010-09-11 Published:2010-09-11
Contact: SHI Yu-qiu

摘要/Abstract

摘要： 根据小脑模型关联控制器（CMAC）收敛速度快，适于实时控制系统的特点，设计了一种基于CMAC学习控制方法的机器人视觉伺服系统。在该系统中，CMAC被用作前馈视觉控制器对常规反馈控制器进行补偿。所提出的CMAC控制器替代图像雅可比矩阵来获得目标图像特征和机器人关节运动之间2D/3D变换关系，通过其在线学习，可以使系统对摄像机标定误差不敏感，从而提高系统的鲁棒性。实验证明了所设计控制系统的有效性。

关键词: 机器人, 视觉伺服, 学习控制, 小脑模型关联控制器

Abstract: Cerebella Model Articulation Controller（CMAC） neural network has fast learning speed and can be used very well for real time system.A study control strategy for robotic visual servo system is introduced.In this strategy，CMAC is used as feedforward visual servo controller to compensate a general feedback controller.The proposed CMAC controller approximates the image Jacobin matrix that maps the 2D/3D relationships between image features and robotic joints movements.The on-line learning ability of CMAC can make the proposed system not sensitive to the camera calibrated errors and has strong robustness.The results of experiments prove the validity of the presented control system.

Key words: robot, visual servo, study control strategy, Cerebella Model Articulation Controller（CMAC）

中图分类号:

TP24

石玉秋¹，孙炜². 机器人视觉伺服中CMAC学习控制系统研究[J]. 计算机工程与应用, 2010, 46(26): 238-240.

SHI Yu-qiu¹，SUN Wei². Research on CMAC study control strategy for robotic visual servo system[J]. Computer Engineering and Applications, 2010, 46(26): 238-240.

[1]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[2]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[5]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[6]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[7]	冯戒虚，司冠南，周风余. 服务机器人云平台服务质量指标体系综述[J]. 计算机工程与应用, 2021, 57(3): 58-71.
[8]	惠小健. 任意初态下的工业机器人迭代学习控制[J]. 计算机工程与应用, 2021, 57(3): 261-265.
[9]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[10]	王琛，茅健. 基于时间窗模型的双向机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(23): 287-294.
[11]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[12]	涂睿，王文格，卢成阳. 移动机器人实时采样路径重规划[J]. 计算机工程与应用, 2021, 57(20): 157-163.
[13]	王科银，石振，杨正才，杨亚会，王思山. 改进强化学习算法应用于移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 270-274.
[14]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[15]	林韩熙，向丹，欧阳剑，兰晓东. 移动机器人路径规划算法的研究综述[J]. 计算机工程与应用, 2021, 57(18): 38-48.

机器人视觉伺服中CMAC学习控制系统研究

Research on CMAC study control strategy for robotic visual servo system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics