可生长仿生学习算法在机器人平衡控制中的研究

• 作者: 任红格 李福进 王志龙 高建宇
• 来源期刊: 计算机测量与控制
• 关键词: GCS网络 Q学习 仿生学习 运动平衡 两轮机器人
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 控制技术
• 页码范围: 1105-1107
• 页数: 3页
• 分类号: TP242.6
• 语种: 中文

摘要

针对两轮机器人的运动平衡控制问题,提出一种基于Q学习的生长细胞结构(GCS)网络的仿生学习算法;GCS网络除了具有SOM网络的竞争机制外,它还可以通过新神经元的不断生长,自组织地进行演化,Q学习算法是一种无模型强化学习算法,它可以改善学习能力,但是它只适用于状态离散化的控制系统中;将GCS网络的生长特性应用到Q学习算法中,通过网络输出的获胜神经元的信息来优化Q值,实现了状态连续系统的无模型控制,并且在两轮机器人上做了仿真实验;结果表明,当神经元数为12个时,机器人才开始受控,但是机器人本体的倾角振荡角度过大,位移不受控制;当神经元数增加到25个时,机器人本体的倾角在很小的角度范围内波动(大约0.2°),位移大约在0.05m的位置达到平衡,机器人的运动平衡达到了很好的控制效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李福进	河北联合大学电气工程学院	18	77	3.0	8.0
2	高建宇	河北联合大学轻工学院	14	14	2.0	3.0
3	任红格	河北联合大学电气工程学院	10	18	3.0	4.0
4	王志龙	河北联合大学电气工程学院	1	0	0.0	0.0