《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 設(shè)計(jì)應(yīng)用 > 基于LS-SVM非線性內(nèi)模控制在焊縫跟蹤中的運(yùn)用
基于LS-SVM非線性內(nèi)??刂圃诤缚p跟蹤中的運(yùn)用
來源:微型機(jī)與應(yīng)用2011年第9期
姜一達(dá)1,王書軍2
(1.洛陽師范學(xué)院 物理與電子信息學(xué)院,河南 洛陽 471022; 2.河南華潤電力首陽山有限公司,
摘要: 針對單純的模糊控制器在焊接機(jī)器人的焊縫跟蹤中的控制精度欠佳、自適應(yīng)性不強(qiáng)等問題,設(shè)計(jì)了一種新的用于焊縫跟蹤的LS-SVM非線性內(nèi)??刂破?。通過樣本數(shù)據(jù)建立系統(tǒng)固定的LS-SVM逆模型,與系統(tǒng)串聯(lián)成精確的偽線性系統(tǒng),對偽線性系統(tǒng)采用魯棒性強(qiáng)的內(nèi)??刂?。仿真結(jié)果表明該方法具有很好的跟蹤結(jié)果。
Abstract:
Key words :

摘  要: 針對單純的模糊控制器在焊接機(jī)器人的焊縫跟蹤中的控制精度欠佳、自適應(yīng)性不強(qiáng)等問題,設(shè)計(jì)了一種新的用于焊縫跟蹤的LS-SVM非線性內(nèi)??刂?/a>器。通過樣本數(shù)據(jù)建立系統(tǒng)固定的LS-SVM逆模型,與系統(tǒng)串聯(lián)成精確的偽線性系統(tǒng),對偽線性系統(tǒng)采用魯棒性強(qiáng)的內(nèi)模控制。仿真結(jié)果表明該方法具有很好的跟蹤結(jié)果。
關(guān)鍵詞:
非線性不確定系統(tǒng);最小二乘支持向量機(jī)逆系統(tǒng)方法;內(nèi)模控制

 焊接過程中,由于工件的加工誤差、熱變形、定位誤差等各種因素的影響,經(jīng)常使焊槍偏離焊縫中心,導(dǎo)致焊接質(zhì)量下降。為保證焊接的可靠性,必須實(shí)時(shí)檢測焊縫的位置,使焊槍始終對準(zhǔn)焊縫中心,進(jìn)行焊縫的自動(dòng)跟蹤。由于焊接是一個(gè)非常復(fù)雜的過程,各種時(shí)變、非線性、多耦合的影響因素很多,很難甚至不可能建立跟蹤過程的精確數(shù)學(xué)模型。即使采用經(jīng)典控制理論和現(xiàn)代控制理論方法,系統(tǒng)的性能也不能令人滿意。
內(nèi)??刂凭哂姓{(diào)節(jié)性能好、魯棒性強(qiáng)以及能消除不可測干擾的影響等特點(diǎn),但內(nèi)??刂频姆€(wěn)定性與控制效果取決于模型與被控過程的匹配情況[1-2]。通過樣本數(shù)據(jù)建立系統(tǒng)固定的逆模型,與系統(tǒng)串聯(lián)成精確的偽線性系統(tǒng),對偽線性系統(tǒng)采用魯棒性強(qiáng)的內(nèi)??刂?,對非線性系統(tǒng)具有較好的控制效果。
 LS-SVM是基于SVM的一種改進(jìn)算法[3-5],它是SVM在二次損失函數(shù)下的一種形式,用二次損失函數(shù)取代SVM中的不敏感損失函數(shù),通過構(gòu)造損失函數(shù)將原SVM中算法的二次尋優(yōu)變?yōu)榍蠼饩€性方程,簡化了計(jì)算的復(fù)雜性。
 本文將LS-SVM用于系統(tǒng)的逆建模,提出了一種新的用于水下機(jī)器人焊接焊縫跟蹤的基于LS-SVM非線性內(nèi)??刂扑惴ǎ瑢?shí)現(xiàn)了快速響應(yīng)和平滑過渡。

 

 

zF1(z-1),確保內(nèi)模控制器Gc(z-1)正則。F(z-1)被選為常矩陣,F(xiàn)(z-1)=1。

 仿真結(jié)果如圖3所示,基于LS-SVM非線性內(nèi)??刂破鲗υ肼暤目垢蓴_能力較好。

 由仿真結(jié)果可以看出本文所提出的方法發(fā)生常值攝動(dòng)和受到常值的強(qiáng)干擾的情況下,均有很好的跟蹤效果。
 針對機(jī)器人焊縫跟蹤系統(tǒng)的典型非線性系統(tǒng),提出了一種新的控制基于LS-SVM非線性內(nèi)??刂扑惴?。仿真結(jié)果表明,該方法控制精度高、速度快、魯棒性好,控制器能很好地實(shí)現(xiàn)焊縫跟蹤。本文所提方法針對一般的非線性系統(tǒng),且物理概念清晰,適用面廣,便于工程應(yīng)用。
參考文獻(xiàn)
[1] 周涌,陳慶偉,胡維禮,內(nèi)??刂蒲芯康男掳l(fā)展[J].控制理論與應(yīng)用,2004,21(3):475-482.
[2] 趙噯.論兩種改進(jìn)內(nèi)模控制系統(tǒng)的等價(jià)性[J].控制與決策,2007,22(10):1170-1176.
[3] SUYKENS J A K, VANDEWALLE J. Least squares support vector machine classifiers[J]. Neural Processing letters. 1999,9(3):293-300.
[4] SUYKENS J A K, VANDEWALLE J. Multiclass least squares support vector machines[C]. IJCNN’99 International Joint Conference on Neural Networks. Washington DC. 1999.
[5] CORTES C, VAPNIK V. Support vector networks[J]. Machine Learning, 1995,20:273-297.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。