徐淑瓊　袁從貴

摘? 要：本文針對工業(yè)機(jī)器人系統(tǒng)中存在的模糊信息和隨機(jī)信息，結(jié)合模糊支持向量機(jī)理論、概率處理方法和自適應(yīng)調(diào)整機(jī)制，提出了工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制模型。實(shí)驗(yàn)表明，該方法在保障快速性的同時(shí)，可以實(shí)現(xiàn)對模糊信息和隨機(jī)信息的統(tǒng)一處理機(jī)制，提高了機(jī)器人在線控制的魯棒性、跟蹤精度和快速性。

關(guān)鍵詞：概率模糊支持向量機(jī);在線控制;工業(yè)機(jī)器人

中圖分類號：TP391.41? ? ? 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2019）22-0153-03

Abstract：Aiming at the fuzzy information and random information in the industrial robot system，combining with the theory of fuzzy support vector machine，probability processing method and self-adaptive adjustment mechanism，this paper proposes the online control model of the industrial robot probability fuzzy support vector machine. Experiments show that the method can realize the unified processing mechanism of fuzzy information and random information while ensuring the rapidity，and improve the robustness，tracking accuracy and rapidity of the robot online control.

Keywords：probabilistic fuzzy support vector machine;online control;industrial robot

0? 引? 言

工業(yè)機(jī)器人是由機(jī)械本體、控制器、伺服驅(qū)動(dòng)系統(tǒng)和檢測傳感器裝置構(gòu)成的一種能仿人操作、可自動(dòng)控制、重復(fù)編程，并能在三維空間完成各種作業(yè)任務(wù)的機(jī)電一體化設(shè)備[1，2]。工業(yè)機(jī)器人廣泛應(yīng)用于汽車及汽車零部件制造、機(jī)械加工、電子電氣制造、食品加工等等大規(guī)模生產(chǎn)企業(yè)中，成為具備柔性制造系統(tǒng)（FMS）、工廠自動(dòng)化（FA）、計(jì)算機(jī)集成制造系統(tǒng)（CIMS）的先進(jìn)自動(dòng)化工具。

機(jī)器人控制技術(shù)是影響機(jī)器人系統(tǒng)性能的關(guān)鍵部分，已成為目前機(jī)器人領(lǐng)域研究的熱點(diǎn)和難點(diǎn)，許多問題有待解決。近年來，在線控制方法逐漸取代了傳統(tǒng)的運(yùn)動(dòng)控制方法。對于日趨復(fù)雜化的機(jī)器人在線控制問題、數(shù)據(jù)驅(qū)動(dòng)，特別是以支持向量機(jī)[3-5]為核心的建模方法，已逐漸成為人們研究的熱點(diǎn)。這種模型利用非線性逼近能力，通過不斷的學(xué)習(xí)訓(xùn)練，盡可能地逼近機(jī)器人在線控制的復(fù)雜過程。有的學(xué)者還提出了開放式多控制器的控制系統(tǒng)智能結(jié)構(gòu)，將參數(shù)辨識與控制系統(tǒng)緊密結(jié)合，引入專家知識結(jié)構(gòu)，有效學(xué)習(xí)選擇最佳控制方案以提高控制性能。這種類型的建模，對一些典型的機(jī)器人控制可得到較好的性能指標(biāo)，但是仍然存在一些不足?，F(xiàn)有的機(jī)器人在線控制技術(shù)都忽略了對系統(tǒng)中存在的模糊信息和隨機(jī)信息的綜合處理，以最大限度地提升機(jī)器人系統(tǒng)性能以及各個(gè)性能之間的折衷，建立了一套完整的工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制方法。

1? 工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制算法

工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制算法的設(shè)計(jì)包括了概率模糊支持向量機(jī)在線模型的結(jié)構(gòu)設(shè)計(jì)、概率模糊支持向量機(jī)優(yōu)化等方面。

2? 實(shí)驗(yàn)驗(yàn)證

本文利用模糊理論，結(jié)合支持向量機(jī)提出了一種全新的概率模糊支持向量模型，并將其應(yīng)用于工業(yè)機(jī)器人在線控制。下面給出工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制算法的實(shí)現(xiàn)步驟：

（1）工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制模型樣本集的建立：利用工業(yè)機(jī)器人已有的歷史數(shù)據(jù)，建立工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制模型訓(xùn)練所需的數(shù)據(jù)集? 。

（2）概率模糊隸屬度P j的設(shè)計(jì)：在概率模糊支持向量機(jī)模型的設(shè)計(jì)中，關(guān)鍵是對概率模糊隸屬度的有效設(shè)計(jì)。在這里，我們可參考現(xiàn)有的模糊隸屬度函數(shù)的設(shè)計(jì)方法，對本文所提出的概率模糊支持向量機(jī)模型進(jìn)行合理的設(shè)計(jì)，可參照參考文獻(xiàn)所涉及的方法[6]。

（3）工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制模型 的訓(xùn)練：利用已建立的工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制模型的訓(xùn)練集，同時(shí)結(jié)合設(shè)計(jì)好的概率模糊隸屬度，可對工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制模型進(jìn)行訓(xùn)練，得到工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制模型? 。

（4）工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制：利用已經(jīng)訓(xùn)練好的概率模糊支持向量機(jī)在線控制模型，可實(shí)現(xiàn)對工業(yè)機(jī)器人的在線控制。

為驗(yàn)證本文所提出的概率模糊支持向量機(jī)在線控制算法的有效性，我們將其與傳統(tǒng)的支持向量機(jī)方法進(jìn)行比較，并對工業(yè)機(jī)器人的軌跡跟蹤性能進(jìn)行測試，圖1給出了工業(yè)機(jī)器人對應(yīng)六個(gè)關(guān)節(jié)（從第一關(guān)節(jié)至第六關(guān)節(jié)）的軌跡運(yùn)動(dòng)位置跟蹤誤差。圖中虛線和實(shí)線分別對應(yīng)傳統(tǒng)的支持向量機(jī)方法和概率模糊支持向量機(jī)方法的軌跡跟蹤誤差。

為驗(yàn)證工業(yè)機(jī)器人的在線相應(yīng)性能，盡量使各關(guān)節(jié)以較大的范圍工作，運(yùn)動(dòng)時(shí)間設(shè)定為8s，在保證起始點(diǎn)和終點(diǎn)速度，加速度連續(xù)的前提條件下進(jìn)行關(guān)節(jié)空間的運(yùn)動(dòng)根軌跡規(guī)劃。圖1中所示，虛線和實(shí)線分別對應(yīng)傳統(tǒng)支持向量機(jī)方法和概率模糊支持向量機(jī)方法的軌跡跟蹤誤差。我們可以看到，本文所提出的概率模糊支持向量機(jī)方法相比傳統(tǒng)支持向量機(jī)方法，得到了較好的結(jié)果。

3? 結(jié)? 論

本文結(jié)合模糊支持向量機(jī)理論、概率處理方法和自適應(yīng)調(diào)整機(jī)制針對工業(yè)機(jī)器人系統(tǒng)中存在的模糊信息和隨機(jī)信息進(jìn)行有效描述和處理，提出了工業(yè)機(jī)器人概率模糊支持向量機(jī)在線控制模型。再建立在線控制模型數(shù)據(jù)集，通過離線訓(xùn)練好的模型用于在線的工業(yè)機(jī)器人控制，得到了較好的結(jié)果。實(shí)驗(yàn)表明，該方法相比傳統(tǒng)支持向量機(jī)方法，能夠有效改善工業(yè)機(jī)器人在線軌跡跟蹤誤差。該方法也而可以進(jìn)一步擴(kuò)展到其他支持向量機(jī)方法中，應(yīng)用于機(jī)器人控制、模式識別等領(lǐng)域。

參考文獻(xiàn)：

[1] 丁學(xué)恭.機(jī)器人控制研究 [M].杭州：浙江大學(xué)出版社，2006.

[2] 蔡自興.機(jī)器人學(xué)：第2版 [M].北京：清華大學(xué)出版社，2009.

[3] LIU Z，XU S，ZHANG Y，et al. Interval type-2 fuzzy kernel based support vector machine algorithm for scene classification of humanoid robot [J].Soft Computing，2014，18（3）：589-606.

[4] XU S，LIU Z，ZHANG Y. Least Squares Support Vector Regression and Interval Type-2 Fuzzy Density Weight for Scene Denoising [J].Soft Computing，2016，20：1459-1470.

[5] 徐淑瓊，袁從貴.一種基于T2FPSO的type-2模糊支持向量機(jī)場景分類方法（英文） [J].系統(tǒng)仿真學(xué)報(bào)，2016，28（12）：2925-2932+2938.

[6] LIU Z，XU S，CHEN C L P，et al. A Three-Domain Fuzzy Support Vector Regression for Image Denoising and Experimental Studies [J].IEEE Transactions on Cybernetics，2014，44（4）：516-525.

作者簡介：徐淑瓊（1981.05-），女，漢族，廣東揭陽人，博士，副教授，研究方向：工業(yè)機(jī)器人控制，智能信息處理。