標題: 運用學習方式之機器人運動控制策略
Robot Motion Control By Using Learning Mechanisms
作者: 夏紹基
Shaw-Ji Shiah
楊谷洋
Kuu-Young Young
電控工程研究所
關鍵字: 學習機構; 學習空間; 模糊系統; 整合;;Learning Mechanisms; Learning Space; Fuzzy System; Generalization;
公開日期: 1993
摘要: 在本篇論文中,我們提出一個具有學習機構的控制策略來做機器人的運動
控制。一般來說,使用學習控制器來控制機器人運動時,所遭遇的一個最
主要的問題就是學習空間過大。在我們提出的方法中,首先我們將學習空
間加以分區,再使用模糊系統在各別的區域中進行學習;最後,我們使用
CMAC網路將各別區域中學習完成的模糊系統的參數加以整合來處理整個學
習空間中的運動軌跡。對於必須重覆執行的運動軌跡及負載要求,所提出
的策略及控制器僅需進行一次的學習,而不會受到學習其它運動軌跡及負
載要求的影響。因此,所提出的控制策略可以大大降低龐大的學習空間所
造成學習及應用上的困難。
In this thesis, we propose a novel scheme for governing general
robot motions by using learning mechanisms. One of the main
problems in using learning controllers for robot motion control
is that the learning space for excuting general motions is too
large. In the proposed scheme, the learning space will first be
divided. A fuzzy system is used for learning in the divided
region. A CMAC-type neural network is then used to generalize
the parameters of the fuzzy system, which are appropriate for
the control in each local region, to deal with the whole
learning space. The learning process is performed only once to
deal with various trajectories under different load
conditions. Therefore, the learning effort is dramatically
reduced for general robot motion control.
URI: http://140.113.39.130/cdrfb3/record/nctu/#NT820327051
http://hdl.handle.net/11536/57769
Appears in Collections:Thesis