机器人领域的智能控制
摘要：在探讨机器人研究面临的机遇和挑战的基础上,简述智能控制理论和传统控制理论的应用范围和方法论意义上的区别。结合当下多种智能机器人的研究内容,介绍主要智能控制方法的实现与应用。
关键词：机器人；传统控制理论；智能控制
1前言
机器人学一直是控制的一个重要应用领域。自第一代机器人诞生至今，机器人的应用范围不断扩大，渗透到工、农、军、医等各行各业。近代工业机器人和智能机器人不仅能胜任单一重复的工作，而且具有一定的感觉、独立判断和行动的能力，同时在发生故障时，能实现自我检查与修复。机器人面对的工作环境日趋多样化、复杂化，控制系统常常存在不确定性、不完全性、模糊性、时变性、非线性等因素。在这种情况下，传统控制论很难得到精确的数学模型[1]。同时机器人的功能日趋智能化、拟人化，这种多任务的工作模式也是传统控制论所无法胜任的。
智能控制交叉综合多学科的特点，以系统的全局优化为目的，采用符号信息处理、启发式程序设计、知识表示以及自动推理和决策等相关技术[2]。智能控制在机器人领域的应用使得机器人通过不断学习，积累经验，无需人的干预就能够自主地驱动相应部件以实现其目标的自动控制，其解决问题及处理故障的方式与人脑的思维过程有一定的相似性。本文主要介绍智能控制的主要理论及智能机器人领域的主要智能控制方法,对比分析传统控制论和智能控制的特点和应用范围,对机器人领域的智能控制的发展提出自己的看法。
2智能控制理论
智能控制思潮第一次出现于20 世纪60 年代[3],其理论的构建一直在跨学科的融合中得以发展。迄今为止, 几种智能控制的思想和方法被提出并得到发展。从1971年傅京逊提出的“二元论”，到1977年Saridis提出的“三元论”，再到1986年蔡自兴提出的“四元论”，智能控制理论已发展成为人工智能、自动控制理论、运筹学、信息论的交叉理论，要求实现面向多任务、非线性变化以及模糊环境的最优系统控制，对被控对象自动进行实时校正。
在认识论和方法论意义上，智能控制理论相较于传统控制论发生了全面的转变。传统控制论往往通过在已有的力学、动力学及数学定律基础上构建传递函数，创建数学模型以实现对系统的精确控制，在单输入单输出的任务要求下能起到较好的控制作用。在机器人领域，对机器人各系统进行简化以适应传统控制论的控制条件不能满足其多任务及高精度的要求，复杂的工作环境及大量的控制量也使得传递函数的构建变得复杂和不可靠，同时带来成本的倍增。智能控制理论不要求实现数学公式的精确表达、计算和处理，注重对任务和世界模型的描述、符号和环境的识别以及知识库和推理机的设计开发。面向实际环境或过程进行组织,即决策和规划, 以实现广义问题求解。
张飞舟等人提出一种利用云模型实现智能控制倒立摆的方法，其控制策略不需要被控对象的数学模型，只需依据人的经验、感觉和逻辑判断，将人用语言值定性表达的控制经验，通过语言原子和云模型转换到语言控制规则器中,就能解决非线性问题和不确定性问题[4]。通过倒立摆经典控制装置，我们能更好地理解智能控制理论与传统控制论的区别，体会智能控制理论在实际中的优越性。
3智能机器人控制方法
智能机器人的主要研究方向有具有一定感知能力(如视觉、触觉、力觉和听觉等)的高级机器人、具有环境交互作用的对话式或交互机器人、移动机器人等。在大量的实际应用系统中，神经网络、模糊控制和专家系统技术对机器人进行定位、环境建模、检测、控制和规划的研究已经日趋成熟。
3.1神经网络
在移动机器人的研究中，实现机器人路径的精确规划和运动的及时控制是重要研究内容和难点。机器人动力学的时变、强耦合和非线性特点,使得运用传统控制方法来驱动机器人存在很大的局限性，尤其对多关节、复合肢体的机器人，其关节耦合关系和非线性模型使得利用一般控制方式无法达到较好的运动效果。
神经网络强大的自学习和非线性映射能力使其在机器人动力学上得到广泛应用。一般的解决办法是通过神经网络对机器人进行在线或离线训练，学习机器人的动力学模型, 从而设计出相应的控制器完成相应的指令与动作[5]。如在机器人装配作业中利用神经网络进行机器人手臂控制和动态调度；设计模仿人走路的多足机器人和爬行机器人等使它们能够在凸凹不平的道路上行走, 具有上下楼梯与阶梯、穿越管道以及爬墙走壁的能力，从而能替代人类在狭小的空间和各种极端环境下完成探测、救援等任务。
3.2模糊控制
为了提高机器人在复杂工作环境下的应变及自动调整的能力，即系统的鲁棒性和适应能力，往往引入模糊控制原理。模糊控制系统主要由输入量模糊化模块、知识库、模糊推理机和输出量清晰化模块四部分组成。模糊控制通常的过程是：首先由输入量模糊化模块将输入的测量参数的精确量转化成模糊量；然后由模糊推理机在知识库的支持下推理出模糊控制量；最后由输出量清晰化模块将模糊控制量变换成执行机构可以接收的控制量[1]。其核心部分是知识库和模糊推理机，其作用相当于传统控制论中的传递函数。在其运行过程中逐步获得受控过程及环境的非预知信息，通过重复输人各种信号,控制机器人对环境做出响应。
在移动机器人的避障和导航研究上，庄晓东等提出一种基于模糊概念的动态环境模型，参照物体的位置和运动信息构造二维隶属度函数，然后通过模糊综合评价对各个方向进行综合考察，实现机器人避碰和导航。李彩虹等提出了一种在未知环境下移动机器人的模糊控制算法，通过仿真验证了该算法鲁棒性强，可消除传统算法中存在的对移动机器人的定位精度敏感、对环境信息依赖性强等缺点，使移动机器人的行为表现出很好的一致性、连续性和稳定性[6]。
4结语
智能机器人的开发及其在各行各业的广泛应用验证了智能控制的有效性。随着机器人工作环境和任务的丰富，需要我们不断扩充控制器的知识库，提高机器人的学习记忆、自主决策等能力，在成熟的传统控制论的基础上融合多种智能控制方法进行最优系统控制的设计。
参考文献：
[1]李航,孙厚芳,袁光明,林青松. 智能控制及其在机器人领域的应用[J]. 河南科技大学学报(自然科学版),2005,01:35-39.
[2]张钟俊,蔡自兴. 智能控制与智能控制系统[J]. 信息与控制,1989,05:30-39.
[3]蔡自兴. 智能控制及移动机器人研究进展[J]. 中南大学学报(自然科学版),2005,05:7-12.
[4]张飞舟,范跃祖,沈程智,李德毅,陈晖. 利用云模型实现智能控制倒立摆[J]. 控制理论与应用,2000,04:519-523.
