引用本文:周勇,王聪,顾武军,曾玮.移动机器人的确定学习与控制[J].控制理论与应用,2012,29(1):119~124.[点击复制]
ZHOU Yong,WANG Cong,GU Wu-jun,ZENG Wei.Deterministic learning and control of mobile robots[J].Control Theory and Technology,2012,29(1):119~124.[点击复制]
移动机器人的确定学习与控制
Deterministic learning and control of mobile robots
摘要点击 3161  全文点击 1948  投稿时间：2010-12-23  修订日期：2011-05-24
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/j.issn.1000-8152.2012.1.CCTA101479
  2012,29(1):119-124
中文关键词  移动机器人  确定学习  径向基函数(RBF)神经网络  学习控制
英文关键词  mobile robots  deterministic learning  radial basis function (RBF) neural-network  learning control
基金项目  国家自然科学基金资助项目(60934001, 90816028); 华南理工大学中央高校基本科研业务费资助项目.
作者单位E-mail
周勇 华南理工大学 自动化科学与工程学院 zhou_yong1986@126.com 
王聪* 华南理工大学 自动化科学与工程学院 wangcong@scut.edu.cn 
顾武军 华南理工大学 自动化科学与工程学院  
曾玮 华南理工大学 自动化科学与工程学院
龙岩学院 物理与机电工程学院 		 
中文摘要
      利用确定学习, 提出了移动机器人的学习控制策略. 在闭环控制过程中, 该控制器可以学习到未知控制系统的动态, 并将学到的动态作为经验知识以常值网络权值的形式储存. 在下次重复相同的控制任务时, 控制器可以调用以往所学到的动态知识用于控制并获得更好的控制性能. 该策略避免了耗时的神经网络重新训练过程, 使得移动机器人具有真正意义上的从经历中获取知识, 存储知识, 并将学到的知识再利用的智能控制能力.
英文摘要
      By making use of the recent result of deterministic learning theory, we present a learning control scheme for mobile robots. In the process of closed-loop control, the unknown system dynamics is learned and memorized as experience knowledge in the format of constant neural weights. When repeating the same control tasks, the controller may invoke the previously learned knowledge in the new control process to achieve a better performance. With this scheme, the mobile robots can learn and memorize the knowledge of dynamics as experience for later use, exonerating from the repetitive training phase.