論蟻群算法在特種機器人智能控制中的應用

周君（惠州工程技術學校，廣東惠州516000）

論蟻群算法在特種機器人智能控制中的應用

周君
（惠州工程技術學校，廣東惠州516000）

隨著科技的不斷進步，國內外各領域專家學者相互努力共同打造了智能機器人。模糊神經網絡理論通過自身所擁有的歸納等能力，有效地幫助了人們更好地控制機器人。使其具備自我學習和聯想能力，通過蟻群算法優化的模糊神經網絡理論能夠更好地控制特種機器人，有效地應對工作中隨機出現的變化問題。

特種機器人；蟻群算法；人工智能控制；模糊神經網絡

【DOI】10.13616/j.cnki.gcjsysj.2016.12.179

1 創建機器人的數學模型

任何機械物體的運動都需要理論與實踐的支持，而特種機器人的研究也是如此，對特種機器人進行操控就需要對它的各個運動構件的方位、位置、速度等建立一個合理有序的關系。而機器人的空間坐標、運動等可以通過數學模型來呈現。

1.1 特種機器人的空間坐標

首先，描述特種機器人的空間坐標，可以用X,Y,Z軸方向的向量表示。其次，對于機器人的運動和操作，方位的準確明了非常關鍵。而特種機器人的方位也可用坐標系來表示。設一直角坐標系{月}與此剛體固接，坐標系{B}的三個主軸方向的單位矢量XB、YB、ZB相對于坐標系{A}的方向余弦組成的3×3矩陣稱為ABR旋轉矩陣：式中，R的上標A和下標B表示R是{B}相對于{A}的關系；r為矢量矩陣的單位向量。而剛體{A}的位姿可通過上述所說的坐標系{B}在坐標系{A}中的各個方位和位置來闡述，進而{B}的原點根據其在坐標系{B}、{A}中的方位，分別表示了剛體在其中的位置和方向，式（2）表示{B}的位置矢量，用ABR和APBORG來描述坐標系{B}，其中APBORG是確定坐標系{B}的位置矢量，建立公式（2）：

1.2 機器人運動方程

連桿坐標系、動力學方程、運動學方程都是操控機器人運動所需要的。特種機器人中的機械臂系統是一種涉及各桿、各關節、機械臂末端相對于絕對坐標的位姿、運動等的多剛體系統。其中，連桿坐標系的建立則為更好地操控機器人，使其高效長久地運動、工作做出了巨大的貢獻，圖1則為連桿坐標圖。

雖然建立了連桿坐標系，但是其中的桿與桿的關系則要建立一個齊次變換陣來連接。通過這個矩陣，機器人末端連桿在笛卡爾坐標系里的位置和位姿便可得出。

圖1 連桿坐標系

1.3 機器人動力學方程

機械臂系統的運動學模型建立以后，還需建立動力學模型來控制。而動力學解決的問題是2種相對問題：若已知關節的施加力或力矩，求其速度、位移、加速度等；反之，則求力或矩陣。牛頓的歐拉方程等都是為了更好地操控特種機器人而建立的動力學。

2 模糊神經網絡理論研究

機器人系統功能多且復雜，對于各種生產運作過程中出現的一些問題很難控制。對此，模糊控制和神經網絡相結合而成的模糊神經網絡具備了解決一些問題的特別優勢。模糊控制系統主要通過語言的描述控制機器人的運動，而語言描述能夠充分地將專家的經驗、知識轉化為控制規則，模糊控制器由以下幾個高功能的部分構成。

2.1 神經網絡理論

用于控制特種機器人的神經網絡是根據人類大腦的思維模式和構造而設計，其中，神經元是大腦組織、信息處理的基本單位，而人工制作的神經網絡則會根據企業、國家、個人的不同需求進行設計和分類，前饋網絡和遞歸神經網絡是其中的兩大類。前饋網絡不但層次感強，其常用的感知器、月P網絡也能非常有針對性地解決一些問題；遞歸神經網絡包含積分、反饋等功能，反饋機制是其在信息傳輸中的一大特點。

2.2 模糊神經網絡控制系統

系統的輸入及各種運作實驗證明：模糊系統與神經網絡之間具有很多相似點，可以相互轉化。模糊神經網絡系統使其對數據的計算等更快并且更加正確，通過模糊控制也使其自身的容錯力增強。模糊神經網絡（FNN）模型的設計經過專家利用各種經驗和知識的打造，能夠更好地通過月P網絡、建立樣本等方式控制特種機器人的運作。

3 蟻群算法優化訓練的模糊神經網絡特種機器人控制

螞蟻算法是模仿生物界中蟻群通過交流、協作、共同搜尋獲取實物活動的仿生優化算法。在螞蟻工作的過程中，他們通過一種“信息素”交流。

3.1 蟻群算法的本質

螞蟻算法是通過分析、實踐、探索螞蟻群體活動得出的，是一種隨機算法。螞蟻算法分適應階段和調解階段，在這2個階段中他們不斷地優化自身的機構、積累需要的信息、尋求最佳解。螞蟻算法中的人工螞蟻不但有自組織性，還有協作、競爭的關系，在這過個程中，需要不斷地協作、改進、更新。

3.2 蟻群算法優化模糊神經網絡

螞蟻算法具有全局優化的特點，可以有效地訓練FNN，避免了月P的缺陷。它在模糊控制系統和神經網絡系統結合后，不但提高了整體優勢，也增加了一些功能和特點。這些優化的改變，使某些工作的計算更加便捷。同時月P的缺陷及一些神經網絡系統無法解決的問題，它也能很好地解決。而螞蟻算法通過螞蟻群體機智有效的協作，總結并融合了一些思想，通過這些思想，特種機器人能夠自我選擇方便、快捷、有效的工作路徑[1]。螞蟻算法為進一步控制特種機器人提供了更加合理有效的措施，也優化了各種運作系統。

3.3 蟻群算法優化的結果

通過各種實驗結果表明，螞蟻算法優化的模糊神經網絡系統更加穩定，也更加高效快速。通過實驗比較發現：在普通的模糊神經網絡中，把基本臂和期望主臂的軌跡長度比較后發現，被螞蟻算法優化的模糊神經網絡控制系統運行的軌跡更短效果更好更明顯。

4 結語

隨著人類文明的發展，機械的運用與不斷的創新隨處可見，這個時代對特種機器人的需求也在不斷增加。而國內外對特種機器人的研發也在不斷地創新和投入，對此，涌現了大批的類型、功能不一的特種智能機器人。被螞蟻算法優化過的系統很好地解決了一些問題，能夠全面地優化各個方面，這種算法，為人類更好地發展特種機器人研究機器人做出了巨大的貢獻。

【1】耿東山.基于蟻群算法的機器人全局路徑規劃[D].鄭州：鄭州大學，2012.

Application of Ant Colony Algorithm in Intelligent Control of Special Robots

ZHOU Jun
(Huizhou Engineering and Technical School，Huizhou516000，China)

With the continuous progress of science and technology, domestic and foreign experts and scholars help each other to jointly build asmart robot. Fuzzy neural network theory own the induction and other capabilities, effectively help people to better control the robot. It has theability of self learning and association, and the fuzzy neural network theory optimized by ant colony algorithm can better control the special robot,and it can effectively deal with the random changes in the work.

special robot; ant colony algorithm; artificial intelligence control; fuzzy neural network

TP24

B

1007-9467（2016）12-0189-02

2016-09-29

周君（1979～），男，湖北洪湖人，講師，從事計算機應用研究。