动态FOCPA学习系统设计及在机器人运动平衡控制中的应用

被引：2

作者：

蔡建羡 ^{[1
,2
]}

阮晓钢 ^{[1
]}

机构：

[1] 北京工业大学电子信息与控制工程学院

[2] 防灾科技学院

来源：

信息与控制 | 2010年 / 39卷 / 05期

关键词：

操作条件反射; 模糊聚类; 仿生自主学习系统; 信息熵; 姿态平衡控制; 速度控制;

D O I：

暂无

中图分类号：

TP242 [机器人];

学科分类号：

140102 [集成电路设计与设计自动化];

摘要：

针对仿生自主学习系统的自组织和泛化能力问题,基于Skinner操作条件反射原理和模糊聚类算法设计了动态FOCPA(fuzzy operant conditioning probabilistic automaton)仿生自主学习系统.动态FOCPA学习系统不仅具有仿生的自学习和自组织能力,而且提高了学习的精度和速度.其在仅能获得环境微弱反馈信息的前提下,首先采用在线聚类的方法实现对输入空间的灵活划分,以确保映射规则的数目是最经济的;然后以取向值为评价信号,采用OC学习算法,在线自主学习输入状态到输出操作行为的最佳映射,并加入一个高斯噪声项对映射结果进行实时优化.此外,动态FOCPA学习系统还利用信息熵的评价能力,来验证自身的自学习和自组织能力.理论上分析了设计的OC学习算法的收敛性;通过对两轮柔性直立式机器人姿态平衡控制和速度控制的实验分析,验证了动态FOCPA学习系统的有效性.

引用

页码：662 / 672

页数：11