神经网络在机器人控制中的应用
来源:用户上传
作者:
摘 要 人工智能技术是当前世界三大技术潮流之一，而神经网络是其中重要的研究领域。机器人的控制问题一直是机器人研究的热门，随着人工智能技术的高速发展，更多的机器人控制技术涌现出来，神经网络技术便是其中重要的分支。文章通过对人工神经网络的分析，研究人工神经网络在机器人技术中的应用及发展趋势，讨论带有神经网络技术的机器人控制中可能遇到的问题。
关键词 神经网络；人工智能；机器人；控制工程
中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2019）229-0121-02
随着工业和制造业等领域的作业要求不断提升，以及机器人和人工智能行业的蓬勃兴起，智能机器人行业得到了长足的发展。但是，传统机器人应用领域较为单一，机器人的控制技术较为落后，且机器人的应用场景也越发复杂多变，对其性能的要求也愈发提高，人工神经网络的诞生很好的解决了这个问题[ 1 ]。人工智能行业和人工神经网络的发展为智能机器人领域带来了新的生机，搭载人工神经网络的机器人具有深度学习的能力，具有很好的非线性时变和复杂环境适应力，可以处理并行控制计算，这些都极大程度上提升了机器人的控制技术，能更好的为人类？工作。
1 人工神经网络技术的概述
1.1 人工神经网络与人工智能技术
自从计算机被发明出来，科学家们总是在设想如何使计算机拥有像人类大脑一样可以自我思考的能力，随着时代的发展，人工智能逐渐发展起来。人工智能技术是计算机科学领域的一个分支，其主要研究如何使计算机拥有和人类相似的智慧来进行自主学习、思考和创造的新兴学科。其主要涉及计算机、哲学、脑科学等众多学科。人工智能主要的研究领域包含深度学习、神经网络、模式识别等众多领域，而人工神经网络是帮助其实现自我思考的一个必要技术[2]。
神经网络主要分为人工神经网络和生物神经网络。生物神经网络就是人类等生物自身大脑和中枢神经等自身神经系统组成的网络，而人工神经网络就是模拟生物神经网络，利用计算机算法编程，构造出一套和生物神经网络相似功能的算法程序。随着研究的不断深入，其应用领域也不断被开发出来，未来人工神经网络将会广泛应用于各行？各业。
1.2 人工智能与机器人
人们利用传统机器人来代替人类复杂繁琐的工作，工作性质较为单一，而富有创造性的工作仍然还是主要由人类自己来承担。随着人工智能的发展，智能机器人得到了长足的进步，它能够像人类一样思考、运动和感觉，具有多功能传感器，用以捕捉外界的信息。搭载人工神经网络的智能机器人是基于人工智能中央处理器，如GPU、TPU等进行信息处理分析，进而处理或者预判分析，指导机器人进行下一步的指令处理。而人工神经网络是人工智能的一个重要分支领域，其在智能控制方面有着独到的应用，未来搭载神经网络的智能机器人将在各行各业有着很广泛的应用？前景[3]。
1.3 国内外发展现状
自从机器人行业兴起后，机器人成为衡量一个国家科技创新能力和高端制造业水平的一个重要标志，受到各国政府的高度关注。随着2008年金融危机风波之后，机器人行业逐渐复苏，加上世界各国劳动力逐渐短缺，机器人将会在各行各业得到进一步发展。美国创造了世界上第一个自动化汽车流水线，在工业机器人的应用方面一直处于世界领先；日本由于二战后劳动力短缺，加上自身在机器人领域投入较大，一直也在智能机器人领域处于世界领先地位。中国在智能机器人的研究紧随其后，工信部、财政部、国家发改委三部门联合印发《机器人产业发展规划（2016-2020年）》，国家对于智能机器人的发展高度重视，未来将在空间机器人、仿生机器人等众多领域实现更多的？突破。
2 神经网络在机器人控制中的应用
2.1 人工神经网络搭建
目前，人工神经网络的分类较多，常用的主要有前向神经网络、模糊神经网络等。目前，前向神经网络的应用较为广泛，因其神经网络层级较浅、结构简单，网络控制较为容易实现，因而在做简单智能控制时被划为首选；模糊神经网络模型较为复杂，这是一种将模糊数学和神经网絡联合应用的一个领域，在传统深度学习的算法中，加入了模糊数学的控制技术，从而能适时地调节学习进程，很大程度上解决了以往机器学习样本选择过多，学习速度过慢的问题。
2.2 机器人控制
随着机器人技术的不断发展，业界对机器人的控制技术的要求也不断提高，而机器人控制技术是机器人发展的一个关键技术。因为机器人机械动力学具有非线性、时变性等特点，使得机器人自我控制一直是业界研究的热点问题。
随着人工神经网络的发展，机器人控制具有了很强的学习能力和非线性时变能力。在机器人运动学方面，机器人会模拟出一套空间笛卡尔坐标系，机器人的各个关节及部分会映射到空间坐标系的各个参数点中，借助神经网络的多层感知及非线性映射的能力可以很好地帮助机器人完成动力学的控制。在综合控制方面，借助人工神经网络的学习功能，可以很好地利用以往不同的样本，训练出不同的系统模型，进而获得更多的控制信息[4]。
2.3 智能机器人的应用
搭载了神经网络的智能控制机器人可以很好的实现智能化、信息化，在智能控制领域将会有很广泛的应用。微型机器人是新时代医用机器人的重要课题，使医用机器人搭载了神经网络技术，可以使得微型机器人进入人体后进行自我学习、自我适应，可以智能自主地开展疾病检查、诊断，这样借由微型机器人的智能控制能力，可以很好的为医生开展辅助医疗的工作。
另外，智能驾驶技术也是神经网络学习的一个重要应用，驾驶技术本身需要长年累月的积累与练习，因而在样本学习的过程中，智能驾驶系统便可以利用深度学习的能力，不断积累学习样本，自我学习提升来实现驾驶功能的完善。
3 可能遇到的问题
3.1 技术性问题 首先，神经网络结构的选择问题是当前比较深入的问题，怎样选择合适的人工神经网络结构、神经元的层级以及如何确定神经元数目都是需要考？虑的。
其次，如今常用的算法模型有很多，如BP前向神经网络、模糊神经网络、自组织映射等，选择合适的算法模型可以极大程度上提升计算速度，这对于人工神经网络的控制至关重要。另外，学习样本的选择也是神经网络控制的一个议题，能够使神经网络实现自适应学习，选择具有代表性的样本，一直是人工智能的深度学习的难点之一。
3.2 伦理性问题
随着社会的发展劳动力成本会进一步提升，这使得机器人的发展成为了一个不可逆转的潮流，然而机器人代替人工已经造成比较深入的社会问题，比如人口失业率加深、社会不安定因素增加，欧美等西方发达国家已经爆发过多次工人抗议失业的示威游行。
另外，过度人工智能化的机器人的使用对人类社会伦理是一个深度的考验，縱然我们使用智能机器人进行老人的看护与医疗服务等工作，但冷冰冰的机器人无法代替家人心灵上的关怀，空巢老人可以由机器人解决生活问题，但是心理问题却难以由人工智能来解决。我们希望人工智能的使用是提供人们生活更多便利，但是这个社会仍然需要更多的人文关怀。
3.3 实用性问题
人工智能的研发是需要投入大量的人力、物力与财力，这个浩大的领域需要国家和企业提供很高的成本，现如今我们发现各种风投、财团纷纷在人工智能领域下注，但是人工智能的使用也仅仅在对弈等边缘行业，真正有作为的应用还只是初见端倪。面对前期的巨大投入，人工神经网络机器人的实用性可能难以达到我们的预期。
4 结论与展望
本文详细介绍了神经网络在机器人控制中的技术特点与应用发展现状，并对可能遇到的发展问题做了简要的分析讨论。我们可以得出，虽然机器人技术的应用还存在着一定的问题，但是随着机器人技术的不断发展，加上我们国家在这个领域的不断投入，许多问题还是可以得到很好的解决，带有人工神经网络的智能机器人未来将会有很广泛的应用前景。可以预想，随着时代的进步，机器人技术将会更加智能化、信息化、拟人化，机器人的应用将会更加广泛、合理、有效。
参考文献
[1]蔡济云.工业机器人在自动化控制中的应用研究[J].科技与创新，2018（1）：144-145.
[2]郭莉，李清泉.神经网络在机器人控制中的应用[J].控制与决策，1994（2）：88-93.
[3]房海蓉，方跃法，李昆，等.基于神经网络的机器人智能控制[J].机器人技术与应用，2002（4）：28-32.
[4]金耀初，蒋静坪.人工神经网络在机器人控制中的应用[J].机器人，1992，14（6）：54-58.
转载注明来源:https://www.xzbu.com/8/view-15168893.htm
