CMAC網(wǎng)絡(luò)在機(jī)器人手眼系統(tǒng)位置控制中的應(yīng)用
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對(duì)面交流
海量資料庫(kù)查詢(xún)
表1 激活單元地址分布
| si | a1 | a2 | a3 | a4 | a5 | a6 | a7 | a8 | a9 | a10 |
| 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 |
| 2 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 |
| 3 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 |
| 4 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 0 |
| 5 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 0 |
| 6 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 |
經(jīng)歸納，輸入變量Si激活存儲(chǔ)單元的首地址mi的計(jì)算方法如下：
mi=Si(C-Δ)+1 (4)
其中，Si為輸入量的量化值；C為泛化參數(shù)；△為相鄰輸入激活存儲(chǔ)單元的重疊單元數(shù)大小。若輸入矢量有q個(gè)量化級(jí)，則存儲(chǔ)區(qū)A需要q(C-△)+C個(gè)存儲(chǔ)單元。．
當(dāng)輸入空間的維數(shù)n>1時(shí)；設(shè)輸入空間為n維矢量Si=(Si1，Si2，…，Sin)，對(duì)于每個(gè)分量Sij，都可以看作圖1所示結(jié)構(gòu)模型的一維輸入量。由式(3)可得其對(duì)應(yīng)的輸出為：
其中，mj為Sij所激活存儲(chǔ)單元的首地址。整個(gè)CMAC網(wǎng)絡(luò)可看作由n個(gè)如圖1所示的子網(wǎng)絡(luò)組成，S對(duì)應(yīng)的輸出yi可看作n個(gè)子網(wǎng)絡(luò)輸出yij（j=1，2，…，n）的疊加。
若每個(gè)輸入分量有q個(gè)量化級(jí)，每個(gè)子網(wǎng)絡(luò)中兩相鄰樣本有△個(gè)單元重疊，采用上述疊加方法共需存儲(chǔ)單元n×[q(C－△)+C]。而對(duì)于傳統(tǒng)的多維概念映射算法來(lái)說(shuō)，n維輸入空間中可能的輸入狀態(tài)為qn個(gè)。對(duì)于一些實(shí)際系統(tǒng)，qn往往遠(yuǎn)遠(yuǎn)大于n×[q（C－△）+C]。例如8維輸入，量化級(jí)為200個(gè)等級(jí)，泛化參數(shù)C取為40，相鄰輸入激活存儲(chǔ)單元的重疊單元數(shù)大小△為35，則用疊加處理法需要11200個(gè)存儲(chǔ)單元，而用傳統(tǒng)的概念映射算法需要2008個(gè)存儲(chǔ)單元。對(duì)于傳統(tǒng)的概念映射算法所帶來(lái)的要求存儲(chǔ)空間過(guò)大的問(wèn)題，最常用的方法是把A當(dāng)作一個(gè)虛擬存儲(chǔ)區(qū)，通過(guò)散射編碼映射到一個(gè)小得多的物理空間單元Ap中，從而減少存儲(chǔ)空間。但是這種地址壓縮技術(shù)隨機(jī)性很強(qiáng)，會(huì)帶來(lái)沖撞問(wèn)題且不可避免。然而，對(duì)多維CMAC網(wǎng)絡(luò)采用疊加處理法，不但可以大大減少占用的存儲(chǔ)單元數(shù)，而且還可以避免地址壓縮帶來(lái)的沖撞現(xiàn)象，大大提高網(wǎng)絡(luò)的映射精度和學(xué)習(xí)速度。
圖2
2 實(shí)驗(yàn)及仿真結(jié)果
實(shí)驗(yàn)是在山東大學(xué)現(xiàn)代物流實(shí)驗(yàn)中心進(jìn)行的。該機(jī)器人手眼系統(tǒng)由用于抓取物體的SK6機(jī)械手和用于視覺(jué)定位的Panasonic WV-CP410／G彩色攝像頭組成。攝像頭采集的圖像是二維的，而機(jī)械手運(yùn)動(dòng)到某一位置需要六自由度坐標(biāo)。因此必須把二維圖像坐標(biāo)轉(zhuǎn)換成機(jī)器人運(yùn)動(dòng)空間的六維坐標(biāo)，才能控制機(jī)器人運(yùn)動(dòng)到指定的空間位置，這就是機(jī)器人手眼系統(tǒng)位置控制問(wèn)題。本文采用CMAC神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了這一坐標(biāo)變換，并對(duì)其結(jié)果與BP網(wǎng)絡(luò)進(jìn)行了比較。
本實(shí)驗(yàn)共采集到793個(gè)輸入樣本，選取CMAC網(wǎng)絡(luò)的量化精度Q為1000，泛化參數(shù)C為80，學(xué)習(xí)步長(zhǎng)η為0．30。圖2(a)和(b)分別為對(duì)CMAC網(wǎng)絡(luò)訓(xùn)練25次和對(duì)BP網(wǎng)絡(luò)訓(xùn)練5000次的誤差平方和曲面圖?？梢钥闯?，CMAC網(wǎng)絡(luò)在訓(xùn)練次數(shù)少于BP網(wǎng)絡(luò)的情況下，其誤差平方和遠(yuǎn)遠(yuǎn)小于BP網(wǎng)絡(luò)，且誤差分布比較均勻。圖3(a)和(b)分別為CMAC網(wǎng)絡(luò)和BP網(wǎng)絡(luò)的誤差平方和隨學(xué)習(xí)次數(shù)的增加而變化的曲線(xiàn)圖。由圖可知CMAC網(wǎng)絡(luò)的學(xué)習(xí)速度較BP網(wǎng)絡(luò)有較大提高。
評(píng)論