基于Skinner操作条件反射的两轮机器人自平衡控制

• 作者: 任红格 阮晓钢
• 来源期刊: 控制理论与应用
• 关键词: Skinner操作条件反射 自回归神经网络 两轮机器人 自平衡控制 鲁棒性
• 年，卷（期）: 2010,（10）
• 页码范围: 1423-1428
• 分类号: TP391
• 语种: 中文

摘要

针对两轮自平衡机器人的运动平衡控制问题,采用了基于Skinner操作条件反射理论的自回归神经网络学习算法作为机器人的学习机制,利用自回归神经网络对评价函数进行逼近,以实现对行为决策的优化,从而使机器人能够在无需外部环境模型的情况下,通过学习和训练,获得像人或动物一样的自主学习技能,解决了两轮机器人的运动平衡控制问题.最后分别在无扰动和有扰动的两种状态下设计了仿真实验并进行了比较.结果表明,该操作条件反射学习机制具有较快的自主平衡控制技能和较好的鲁棒性能,体现了较高的理论研究意义和工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阮晓钢	北京工业大学电子信息与控制工程学院	240	2182	23.0	35.0
2	任红格	北京工业大学电子信息与控制工程学院	11	106	4.0	10.0