基于体育辅助运动机器人的神经元自适应PID控制的研究与分析
发布时间：2021-04-07 00:36
目前,体育教学及体育训练主要以体力锻炼输出负载与体育教学的经验灌输为代价,存在体育锻炼及体育竞技运动周期长、损伤风险大,单一被动式体育训练及体育锻炼特征缺陷明显。为此,本文给出了一种基于体育辅助运动机器人的神经元自适应PID控制的算法,建立了了一种基于体育辅助运动机器人的神经元自适应PID控制系统,利用MATLAB进行仿真。仿真结果表明:采用神经元自适应PID控制器的跟踪精度更高,相比于传统的PID控制,位置误差缩小了50%,引入扰动时,转速波动大幅降低,抗扰动能力明显提升。实验在陇东学院体育学院实验取得良好的效果;同时,在其他的地方体育的教学和训练具有较强的借鉴意义。
【文章来源】：甘肃科技. 2020,36(22)
【文章页数】：4 页
【部分图文】：
跟踪精度(位置)
甘肃科技第36卷图3速度(稳定性)误差曲线2图5跟踪精度(位置)误差曲线2（2）根据式(2)的形式，单神经元控制器中，输入层可以设为5个输入，分别是e(k)、e(k-1)、e(k-2)、e(k)、u(k-1)、u(k),其中，e(k)为给定和反馈的误差值；输出层为u(k);权值为ω1（k）、ω2（k）、ω3（k）控制器的输出为（3）其中：，k神经元比例系数。神经元层分别为：x1（k），x2（k），x3（k）。x1（k）=e(k)，x2（k）=e(k)-e(k-1)（4）x3（k）=e(k)-2e(k-1)+2e(k-2)（5）在设计单神经元自适应PID控制器时，需要注意学习规则的选娶神经元比例系数的选娶学习率的选取等。3神经元自适应PID控制的设计在攀爬建筑物的过程中，体育辅助运动机器人经常受到许多外部因素的影响，如乘客的姿势和体重的差异，以及运动训练机器人辅助机器人倾斜角的差异，参数已更改。PID控制器不能根据被控对象参数的变化进行相应的调整，控制效果往往很差。因此，在神经元自适应控制系统及PID控制系统，本文设计的神经元自适应PID控制器，结构图如图1所示。图1模糊PID控制系统结构框图4仿真结果与实验分析仿真条件参数设置如下：质量之和约为130kg，重力G为130N，转速设定为电机额定转速3000r/min，通过调节负载使原电机在目标转速下以额定功率驱动运行。所选BLDC电机极对ρn=4,定子电感Ld=La=30mH,定子电阻r=7Ω,电机转矩常数fm=0.12556(Nm/A),转动惯量1.39×10-6(kg·m2)。4.1神经元自适应PID控制的影响因素分析4.1.1速度（稳定性）误差的问题分析体育辅助运动机器人的神经元自适应PID控制的速度（稳定性）误差曲线，如图2~3所示。仿真结果表明：在体育辅助运动机器人速度控
）x3（k）=e(k)-2e(k-1)+2e(k-2)（5）在设计单神经元自适应PID控制器时，需要注意学习规则的选娶神经元比例系数的选娶学习率的选取等。3神经元自适应PID控制的设计在攀爬建筑物的过程中，体育辅助运动机器人经常受到许多外部因素的影响，如乘客的姿势和体重的差异，以及运动训练机器人辅助机器人倾斜角的差异，参数已更改。PID控制器不能根据被控对象参数的变化进行相应的调整，控制效果往往很差。因此，在神经元自适应控制系统及PID控制系统，本文设计的神经元自适应PID控制器，结构图如图1所示。图1模糊PID控制系统结构框图4仿真结果与实验分析仿真条件参数设置如下：质量之和约为130kg，重力G为130N，转速设定为电机额定转速3000r/min，通过调节负载使原电机在目标转速下以额定功率驱动运行。所选BLDC电机极对ρn=4,定子电感Ld=La=30mH,定子电阻r=7Ω,电机转矩常数fm=0.12556(Nm/A),转动惯量1.39×10-6(kg·m2)。4.1神经元自适应PID控制的影响因素分析4.1.1速度（稳定性）误差的问题分析体育辅助运动机器人的神经元自适应PID控制的速度（稳定性）误差曲线，如图2~3所示。仿真结果表明：在体育辅助运动机器人速度控制系统中，模糊PID控制优于传统PID控制，误差小，稳定性和舒适性强。4.1.2跟踪精度（位置）误差的问题分析体育辅助运动机器人的神经元自适应PID控制的跟踪精度（位置）误差曲线，如图4~5所示。采用神经元自适应PID控制器的跟踪精度更高，相比于传统的PID控制，位置误差缩小了50%,引入扰动时，转速波动大幅降低，抗扰动能力明显提升。图2速度(稳定性)误差曲线1图4跟踪精度(位置)误差曲线150
本文编号：3122458
【文章来源】：甘肃科技. 2020,36(22)
【文章页数】：4 页
【部分图文】：
跟踪精度(位置)
甘肃科技第36卷图3速度(稳定性)误差曲线2图5跟踪精度(位置)误差曲线2（2）根据式(2)的形式，单神经元控制器中，输入层可以设为5个输入，分别是e(k)、e(k-1)、e(k-2)、e(k)、u(k-1)、u(k),其中，e(k)为给定和反馈的误差值；输出层为u(k);权值为ω1（k）、ω2（k）、ω3（k）控制器的输出为（3）其中：，k神经元比例系数。神经元层分别为：x1（k），x2（k），x3（k）。x1（k）=e(k)，x2（k）=e(k)-e(k-1)（4）x3（k）=e(k)-2e(k-1)+2e(k-2)（5）在设计单神经元自适应PID控制器时，需要注意学习规则的选娶神经元比例系数的选娶学习率的选取等。3神经元自适应PID控制的设计在攀爬建筑物的过程中，体育辅助运动机器人经常受到许多外部因素的影响，如乘客的姿势和体重的差异，以及运动训练机器人辅助机器人倾斜角的差异，参数已更改。PID控制器不能根据被控对象参数的变化进行相应的调整，控制效果往往很差。因此，在神经元自适应控制系统及PID控制系统，本文设计的神经元自适应PID控制器，结构图如图1所示。图1模糊PID控制系统结构框图4仿真结果与实验分析仿真条件参数设置如下：质量之和约为130kg，重力G为130N，转速设定为电机额定转速3000r/min，通过调节负载使原电机在目标转速下以额定功率驱动运行。所选BLDC电机极对ρn=4,定子电感Ld=La=30mH,定子电阻r=7Ω,电机转矩常数fm=0.12556(Nm/A),转动惯量1.39×10-6(kg·m2)。4.1神经元自适应PID控制的影响因素分析4.1.1速度（稳定性）误差的问题分析体育辅助运动机器人的神经元自适应PID控制的速度（稳定性）误差曲线，如图2~3所示。仿真结果表明：在体育辅助运动机器人速度控
）x3（k）=e(k)-2e(k-1)+2e(k-2)（5）在设计单神经元自适应PID控制器时，需要注意学习规则的选娶神经元比例系数的选娶学习率的选取等。3神经元自适应PID控制的设计在攀爬建筑物的过程中，体育辅助运动机器人经常受到许多外部因素的影响，如乘客的姿势和体重的差异，以及运动训练机器人辅助机器人倾斜角的差异，参数已更改。PID控制器不能根据被控对象参数的变化进行相应的调整，控制效果往往很差。因此，在神经元自适应控制系统及PID控制系统，本文设计的神经元自适应PID控制器，结构图如图1所示。图1模糊PID控制系统结构框图4仿真结果与实验分析仿真条件参数设置如下：质量之和约为130kg，重力G为130N，转速设定为电机额定转速3000r/min，通过调节负载使原电机在目标转速下以额定功率驱动运行。所选BLDC电机极对ρn=4,定子电感Ld=La=30mH,定子电阻r=7Ω,电机转矩常数fm=0.12556(Nm/A),转动惯量1.39×10-6(kg·m2)。4.1神经元自适应PID控制的影响因素分析4.1.1速度（稳定性）误差的问题分析体育辅助运动机器人的神经元自适应PID控制的速度（稳定性）误差曲线，如图2~3所示。仿真结果表明：在体育辅助运动机器人速度控制系统中，模糊PID控制优于传统PID控制，误差小，稳定性和舒适性强。4.1.2跟踪精度（位置）误差的问题分析体育辅助运动机器人的神经元自适应PID控制的跟踪精度（位置）误差曲线，如图4~5所示。采用神经元自适应PID控制器的跟踪精度更高，相比于传统的PID控制，位置误差缩小了50%,引入扰动时，转速波动大幅降低，抗扰动能力明显提升。图2速度(稳定性)误差曲线1图4跟踪精度(位置)误差曲线150
本文编号：3122458
本文链接：https://www.wllwen.com/jiaoyulunwen/tylw/3122458.html
