一种基于神经网络感知器的双足行走机器人稳定性控制方法
(2)训练随机选取一输入、输出模式对(Sk,Yk)，这里k=1，2，Λ，m时，网络进行以下步骤的训练。
第一步，计算连接层各单元的输出
第二步，以连接层的输出作为输入层的各单元的输入计算输出层的实际输出
在学习过程中，当所有的m个样本模式对都提供给网络学习一遍后，还需从头再继续提供给网络学习。直到达到最大学习次数，以防止发散或无限震荡，或者满足误差限制。
3 计算机控制系统
机器人重心位置是由脚底的力传感器测定的。当某一侧的传感器输出值趋于零或小于预定的值时，说明重心已经偏向相反的另一侧，机器人处于危险状态。这时机器人就应该产生一定的动作，向另一侧跨出一脚，以使机器人的重心位于支撑面内。
整个控制系统如图2所示。本文引用地址：//m.amcfsurvey.com/article/162589.htm
其中，y(t)是传感器输出向量，为模拟量，经采样、Ａ／Ｄ转换后为人工神经网络感知器的输入向量y(kt)。
本文取感知器的输入层单元与输出层单元的个数相同。感知器经过训练好以后，系统将时实监控机器人的重心位置，当重心偏向某侧，相反侧的力传感器的输入小于设定的安全值时，神经网络相应于该侧的输出为1，其余均为0，系统将根据神经网络的输出，做出相应的动作指令；当传感器的输入均大于设定安全值时，神经网络的输出均为0，系统不产生任何动作指令。
4 仿真
本文假设在机器人的脚底安装有力传感器，左脚的后部、左部和前部各一个，右脚的前部、右部和后部各一个。依次编号为pi,i=1,2,Λ 6，构成输入向量
P＝［p１，p2，p3，p4，p5，p6］Ｔ
假设机器人的重是100kgf，当机器人的脚底的传感器输出为2kgf，即认为机器人处于危险状态。设神经网络感知器的输入为
对应的理想输出为
评论