基于bp神經(jīng)網(wǎng)絡(luò)的機(jī)器人視覺伺服探究

摘 要：本文通過闡述機(jī)器人視覺伺服控制系統(tǒng)的結(jié)構(gòu)和系統(tǒng)的分類，研究了機(jī)器人視覺伺服控制系統(tǒng)的主要工作內(nèi)容，對于智能控制中的bp神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，有針對性的結(jié)合機(jī)器人視覺伺服控制進(jìn)行了探究。

關(guān)鍵詞：機(jī)器人視覺伺服；智能控制；bp神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP242 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-7712 （2014） 14-0000-01

視覺伺服控制吸引了許多人的關(guān)注，在當(dāng)下發(fā)展的形式下，工業(yè)機(jī)器人領(lǐng)域?qū)τ谝曈X伺服控制的研究非常火，隨著時代的發(fā)展，對于機(jī)器人的控制要求也越來越高，工作環(huán)境越來越苛刻，在這種形勢下，結(jié)合智能控制的特點(diǎn)，在視覺伺服控制中加入了智能控制，取得了一定的成果。

一、機(jī)器人視覺伺服控制的內(nèi)涵

（一）機(jī)器人視覺伺服控制系統(tǒng)的結(jié)構(gòu)

一般來說，視覺伺服機(jī)器人的組成結(jié)構(gòu)比較固定，都是由執(zhí)行動作單元（機(jī)械臂）、信息采集系統(tǒng)（鏡頭）、任務(wù)系統(tǒng)、控制系統(tǒng)這幾個部分組合而成。機(jī)械臂作為執(zhí)行單元，通常是機(jī)器人完成各項(xiàng)任務(wù)的實(shí)體部分，由聯(lián)動桿和關(guān)節(jié)部分組成；各種鏡頭作為信息采入的部分，直接獲取控制系統(tǒng)所需的控制信息。機(jī)器人的機(jī)械結(jié)構(gòu)的構(gòu)成在機(jī)器人的功能優(yōu)化和實(shí)現(xiàn)上起著至關(guān)重要的作用，在評價機(jī)器人好壞的因素上，根據(jù)不同的測試環(huán)境和使用有不一樣的性能，這對于在特定的環(huán)境下，有針對性的改善機(jī)器人的傳動結(jié)構(gòu)、機(jī)械結(jié)構(gòu)和驅(qū)動結(jié)構(gòu)來最大程度優(yōu)化機(jī)器人的性能有重要的意義。總的來說，評價一個機(jī)器人的性能參數(shù)有一下幾個方面：第一，工作的范圍；第二，工作的速度；第三，工作的精度；第四，承載能力。具體到一個視覺伺服控制機(jī)器人上，機(jī)器人需要對周圍環(huán)境進(jìn)行信息的有效采集，在光線強(qiáng)度足夠的情況下，對于不同部位的零件結(jié)構(gòu)進(jìn)行識別。機(jī)器人的視覺伺服控制在幾十年強(qiáng)大的理論研究的支持下發(fā)展的速度尤為迅速，但是把視覺伺服控制的研究應(yīng)用到實(shí)際工業(yè)領(lǐng)域上的成果還是存在非常大的局限性，大部分工業(yè)應(yīng)用的視覺伺服控制比較簡單，沒有進(jìn)一步的突破。

（二）機(jī)器人視覺伺服控制系統(tǒng)的分類

視覺伺服控制系統(tǒng)的主線就是通過已采集到的視覺信息，通過分析運(yùn)算后的結(jié)果來控制機(jī)器人。通常情況下機(jī)器人的視覺伺服控制系統(tǒng)分為兩大類：

第一類的控制系統(tǒng)稱為直接式視覺伺服。該控制系統(tǒng)的特點(diǎn)是反應(yīng)和處理的速度非常快，直接跳過對機(jī)器人各個關(guān)節(jié)的控制，輸出關(guān)節(jié)的控制力矩即可，控制效率較高，但是反應(yīng)在控制精度上，仍然存在需要改進(jìn)的地方。第二類的控制系統(tǒng)稱為觀察后動作伺服。這種控制模式下，可以分為基于位置的視覺控制和基于圖像的視覺控制，他們的控制方法都是通過分析計算機(jī)器人各關(guān)節(jié)的運(yùn)動軌跡，對下一步的期望軌跡做出判斷，計算出來的期望動作軌跡就可以直接傳送到控制系統(tǒng)的動態(tài)控制器中去。

二、基于bp神經(jīng)網(wǎng)絡(luò)控制的機(jī)器人視覺伺服系統(tǒng)

bp神經(jīng)網(wǎng)絡(luò)的應(yīng)用非常廣泛，把一組輸入模式通過少量的隱層節(jié)點(diǎn)映射到一組輸出模式，并使輸出模式等同于輸入模式。當(dāng)中間隱層節(jié)點(diǎn)數(shù)少于輸入模式維數(shù)，就意味著隱層能更有效地表現(xiàn)輸入模式，并把表現(xiàn)傳遞給輸出層。。

（一）系統(tǒng)神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計

機(jī)器人通過攝像機(jī)獲取圖像值，提取圖像的特征，與存儲的期望圖像特征進(jìn)行比較，得到圖像特征偏差信號，輸入到神經(jīng)網(wǎng)絡(luò)控制器的輸入端，通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)控制器后得

到機(jī)器人的各個關(guān)節(jié)的變化角，機(jī)器人的各連桿依據(jù)變化角進(jìn)行轉(zhuǎn)動。在機(jī)器人視覺伺服系統(tǒng)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計上，基于比較成熟的bp的神經(jīng)網(wǎng)絡(luò)主要考慮網(wǎng)絡(luò)系統(tǒng)的層數(shù)、隱含層神經(jīng)單元數(shù)量、網(wǎng)絡(luò)的學(xué)習(xí)速率。

首先，對于網(wǎng)絡(luò)系統(tǒng)的層數(shù)設(shè)計上，在bp神經(jīng)網(wǎng)絡(luò)的研究中已經(jīng)發(fā)現(xiàn)網(wǎng)絡(luò)層數(shù)數(shù)量的擴(kuò)大能夠有效的減小系統(tǒng)的控制誤差，優(yōu)化控制精度，多層神經(jīng)網(wǎng)絡(luò)系統(tǒng)在理論上只需要增加一個S型隱含層就能夠?qū)θ我獾臄?shù)學(xué)參考模型進(jìn)行高度的擬合。但是增加了神經(jīng)網(wǎng)絡(luò)層數(shù)之后也會增加網(wǎng)絡(luò)的復(fù)雜度，延長網(wǎng)絡(luò)的學(xué)習(xí)時間，而對于提高網(wǎng)絡(luò)的精度，還可以從隱含層神經(jīng)單元數(shù)量入手，增加隱含層的神經(jīng)單元數(shù)量同樣能夠有效的提高網(wǎng)絡(luò)的控制精度，而且便于后續(xù)的分析和計算。可以根據(jù)實(shí)際的情況對系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制器預(yù)設(shè)三層網(wǎng)絡(luò)。

其次，對于隱含層的神經(jīng)數(shù)量設(shè)計上，盡可能的提高隱含層的神經(jīng)單元數(shù)量來使得網(wǎng)絡(luò)系統(tǒng)的訓(xùn)練效果大幅提高。在具體的數(shù)量上沒有格外的要求，可以通過實(shí)際的實(shí)驗(yàn)來確定最終的隱含層神經(jīng)單元數(shù)量。

最后，對于網(wǎng)絡(luò)的學(xué)習(xí)速率的設(shè)計上，可以通過不同的網(wǎng)絡(luò)學(xué)習(xí)速率進(jìn)行實(shí)驗(yàn)，分析每一個學(xué)習(xí)速率下，網(wǎng)絡(luò)誤差值在趨于最小值所消耗的時間，來確定每個學(xué)習(xí)速率的實(shí)際收斂性。如果目標(biāo)函數(shù)達(dá)到最小值的下降速度很快，則說明學(xué)習(xí)速率合適，若出現(xiàn)振蕩現(xiàn)象或發(fā)散，則說明學(xué)習(xí)速率過大。

（二）bp神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

Bp神經(jīng)網(wǎng)絡(luò)最重要的步驟就在網(wǎng)絡(luò)系統(tǒng)的學(xué)習(xí)，對于視覺伺服控制系統(tǒng)來說，對于大量的信息的輸入之后，進(jìn)入網(wǎng)絡(luò)的學(xué)習(xí)階段，計算出隱含層的權(quán)值，不斷地通過梯段下降法更新權(quán)值，從而得出比較準(zhǔn)確的輸出函數(shù)。當(dāng)網(wǎng)絡(luò)完成訓(xùn)練后，對網(wǎng)絡(luò)輸入一個不是訓(xùn)練集合中的矢量，網(wǎng)絡(luò)將以泛化方式給出輸出結(jié)果。

但是在用于機(jī)器人視覺伺服控制系統(tǒng)中的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法依然存在著一些不足之處。第一，訓(xùn)練時間過長。在對于視覺圖像特征點(diǎn)非常多的圖片，bp的算法需要學(xué)習(xí)好幾個小時，如果網(wǎng)絡(luò)層數(shù)過多時間還會更長，學(xué)習(xí)速率的選取比較困難。第二，不成熟飽和狀態(tài)。在視覺伺服控制網(wǎng)絡(luò)系統(tǒng)中，學(xué)習(xí)過程中，權(quán)值初值如果過大，則會使激活函數(shù)的輸入處在S型函數(shù)工作的飽和區(qū)，對網(wǎng)絡(luò)整體的權(quán)值調(diào)整來說，調(diào)整速度過慢，甚至是停止。第三，陷入局部最小值。Bp的算法采取的是梯度下降法，在某一階段達(dá)到函數(shù)誤差的最小值，但是如果選取的訓(xùn)練初始向量不同，在學(xué)習(xí)的過程中會陷入到一個局部的最小值當(dāng)中，由此點(diǎn)向各方向變化均使誤差增加以至于訓(xùn)練無法跳出這一局部極小值。

三、結(jié)束語

Bp神經(jīng)網(wǎng)絡(luò)對于機(jī)器人的視覺伺服控制系統(tǒng)有著非常重要的應(yīng)用價值，通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，獲取了大量的視覺信息后，對機(jī)械手臂進(jìn)行有效的控制，通過研究對象圖像的局部變化，獲取機(jī)器人各個關(guān)節(jié)運(yùn)動同變化的聯(lián)系。Bp神經(jīng)網(wǎng)絡(luò)的研究對于機(jī)器人視覺伺服系統(tǒng)的發(fā)展有著重要意義，需要在實(shí)際操作中更加深入的結(jié)合兩者的特點(diǎn)共同發(fā)展。

參考文獻(xiàn)：

[1]謝冬梅，曲道奎，徐方.基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人視覺伺服控制[J].微計算機(jī)信息，2006（04）：4-6+274.

[2]宗曉萍，徐艷，郝雷.基于神經(jīng)網(wǎng)絡(luò)的視覺伺服機(jī)器人攝像機(jī)標(biāo)定[J].儀器儀表學(xué)報，2006（S1）：814-816.