A Learning-Based Stable Servo Control Strategy Using Broad Learning System Applied for Microrobotic Control
A Learning-Based Stable Servo Control Strategy Using Broad Learning System Applied for Microrobotic Control
复制标题
一种基于学习的稳定伺服控制策略，利用广泛的学习系统应用于微型机器人控制
DOI：
10.1109/tcyb.2021.3121080
复制
发表时间：
2021-10
期刊：
影响因子：
--
通讯作者：
Tiantian Xu
中科院分区：
文献类型：
--
作者：
Sheng Xu;Jia Liu;Chenguang Yang;Xinyu Wu;Tiantian Xu
由于学习算法的使用大大简化了控制器参数的调整过程，近年来，基于学习的控制研究引起了人们的极大兴趣。本文重点研究了智能伺服控制问题，使用期望的演示学习。与以往基于学习的伺服控制研究相比，鉴于广义学习系统（BLS）结构简单、在提供新的演示数据时无需重新训练等优点，本文提出了一种基于广义学习系统（BLS）的伺服控制策略，并首次应用于微型机器人系统。然后，将李雅普诺夫理论与复合形学习算法巧妙地结合起来，推导出控制器参数的约束条件。这样，最终的控制策略不仅可以获得期望的演示运动技能，而且具有很强的泛化能力和误差收敛能力。最后，利用MATLAB和一个微型游泳者轨迹跟踪系统进行仿真和实验，验证了所提策略的有效性。
As the controller parameter adjustment process is simplified significantly by using learning algorithms, the studies about learning-based control attract a lot of interest in recent years. This article focuses on the intelligent servo control problem using learning from desired demonstrations. Compared with the previous studies about the learning-based servo control, a control policy using the broad learning system (BLS) is developed and first applied to a microrobotic system, since the advantages of the BLS, such as simple structure and no-requirement for retraining when new demos’ data is provided. Then, the Lyapunov theory is skillfully combined with the complex learning algorithm to derive the controller parameters’ constraints. Thus, the final control policy not only can obtain the movement skills of the desired demonstrations but also have the strong ability of generalization and error convergence. Finally, simulation and experimental examples verify the effectiveness of the proposed strategy using MATLAB and a microswimmer trajectory tracking system.
登录
查看更多内容
AS-NAS：采用深度学习强化进化算法的自适应可扩展神经架构搜索
影响因子：
14.3
作者：
Zhang Tong;Lei Chunyu;Zhang Zongyan;Meng Xian-Bing;Chen C. L. Philip
通讯作者：
Chen C. L. Philip
全状态约束柔性关节机器人自适应模糊跟踪控制
DOI：
10.1109/tsmc.2018.2870642
发表时间：
2019-11
期刊：
IEEE Transactions on Systems, Man, and Cybernetics: Systems
影响因子：
--
作者：
Wei Sun;Shun-Feng Su;Jianwei Xia;Van-Truong Nguyen
通讯作者：
Van-Truong Nguyen
影响因子：
5.2
作者：
Okan Koç;Jan Peters
通讯作者：
Okan Koç;Jan Peters
DOI：
10.1017/cbo9780511801389.013
发表时间：
2000-03
期刊：
--
影响因子：
--
作者：
N. Cristianini;J. Shawe-Taylor
通讯作者：
N. Cristianini;J. Shawe-Taylor
基于自适应神经控制和动态运动原语的机器人学习系统
DOI：
10.1109/tnnls.2018.2852711
发表时间：
2019-03-01
影响因子：
10.4
作者：
Yang, Chenguang;Chen, Chuize;Li, Zhijun
通讯作者：
Li, Zhijun