基于神经网络无模型自适应方法的新型无标定视觉伺服控制器
机器人学
2022-11-22 v1
摘要
如今，随着机械臂应用场景的不断扩展，非专业人员接触机械臂的场景越来越多。然而，在机械臂视觉伺服方面，传统的基于位置的视觉伺服（PBVS）需要大量标定工作，对非专业人员而言难以应对。为应对此情况，无标定基于图像的视觉伺服（UIBVS）将人们从繁琐的标定工作中解放出来。本工作应用了无模型自适应控制（MFAC）方法，即控制器参数实时更新，从而带来更好的系统与环境影响抑制能力。在控制器与手眼关系估计器的设计中采用了人工智能神经网络。该神经网络利用MFAC方法中的系统输入输出信息进行更新。受模型预测控制（MPC）方法中“预测模型”与“滚动时域”的启发，并将类似结构引入我们的算法，我们实现了对静止目标与运动轨迹的无标定视觉伺服。将通过机械臂的仿真实验来验证所提算法。
引用
@article{arxiv.2211.11209,
title = {A Novel Uncalibrated Visual Servoing Controller Baesd on Model-Free Adaptive Control Method with Neural Network},
author = {Haibin Zeng and Yueyong Lyu and Jiaming Qi and Shuangquan Zou and Tanghao Qin and Wenyu Qin},
journal= {arXiv preprint arXiv:2211.11209},
year = {2022}
}
备注
16 pages, 8 figures