魏國豐，國紹文，須 瑩，李 偉，陳 曦，王 蕊

（黑龍江工程學(xué)院機(jī)電工程學(xué)院，黑龍江哈爾濱 150050）

基于CMAC的光電探測(cè)系統(tǒng)姿態(tài)穩(wěn)定控制技術(shù)研究

魏國豐，國紹文，須 瑩，李 偉，陳 曦，王 蕊

（黑龍江工程學(xué)院機(jī)電工程學(xué)院，黑龍江哈爾濱 150050）

將小腦模型關(guān)節(jié)控制器（CMAC）神經(jīng)網(wǎng)絡(luò)應(yīng)用于動(dòng)載體光電穩(wěn)定跟蹤控制系統(tǒng)設(shè)計(jì)，分別構(gòu)建CMAC學(xué)習(xí)算法網(wǎng)絡(luò)和CMAC控制網(wǎng)絡(luò)，泛化參數(shù)取4，采用δ學(xué)習(xí)算法調(diào)整網(wǎng)絡(luò)權(quán)值，為評(píng)估所構(gòu)建的CMAC網(wǎng)絡(luò)對(duì)目標(biāo)系統(tǒng)的逼近能力，選定一個(gè)非線性系統(tǒng)作為對(duì)象，以連續(xù)方波為輸入信號(hào)進(jìn)行仿真。仿真數(shù)據(jù)顯示，輸入信號(hào)發(fā)生跳變經(jīng)0.15s后輸出信號(hào)的穩(wěn)態(tài)誤差為0。選用直流力矩電機(jī)和分辨率為767×10－6rad的光電編碼器構(gòu)建動(dòng)載體三軸姿態(tài)穩(wěn)定控制實(shí)驗(yàn)裝置。結(jié)果表明，構(gòu)建的以CMAC神經(jīng)網(wǎng)絡(luò)為核心的控制器在此實(shí)驗(yàn)裝置上實(shí)現(xiàn)的姿態(tài)穩(wěn)定誤差為870×10－6rad。

三軸光電跟蹤系統(tǒng)；姿態(tài)穩(wěn)定技術(shù)；動(dòng)載體；小腦模型關(guān)節(jié)控制器；神經(jīng)網(wǎng)絡(luò)

光電探測(cè)系統(tǒng)以其良好的抗電磁干擾能力、高精度、高靈敏性，在偵查、監(jiān)視、預(yù)警、定位、導(dǎo)航、通信等領(lǐng)域發(fā)揮著越來越重要的作用。姿態(tài)穩(wěn)定裝置具有隔離載體擾動(dòng)、保持載荷姿態(tài)在慣性空間指向的能力，因此，在光電探測(cè)系統(tǒng)中得到越來越廣泛的應(yīng)用。其核心是一個(gè)可以補(bǔ)償載體運(yùn)動(dòng)／振動(dòng)對(duì)視線的擾動(dòng)，并能使視線跟蹤目標(biāo)的精密伺服裝置［1－2］。

隨著光電捕獲、瞄準(zhǔn)、監(jiān)視和跟蹤系統(tǒng)的發(fā)展，對(duì)圖像穩(wěn)定精度的要求越來越高，傳統(tǒng)的機(jī)械、機(jī)電結(jié)合或光機(jī)電結(jié)合轉(zhuǎn)向機(jī)構(gòu)進(jìn)行光電圖像穩(wěn)定的光電穩(wěn)定裝置，由于采用兩軸瞄準(zhǔn)線穩(wěn)定方式，具有不可避免的圖像旋轉(zhuǎn)缺陷，已逐漸不能適應(yīng)高精度圖像穩(wěn)定系統(tǒng)的要求［3－5］。隨著計(jì)算機(jī)技術(shù)的發(fā)展，捷聯(lián)式三軸穩(wěn)像的概念受到越來越多的重視，但真正實(shí)用化的系統(tǒng)尚不多見，究其原因，一是大部分載體并不能提供高精度的三軸姿態(tài)信號(hào)，二是角度方式的高精度三軸捷聯(lián)慣導(dǎo)組合的成本仍然過高，三是純速率方式的三軸捷聯(lián)組合難以提高最終的穩(wěn)定精度［6］。由于上述原因，基于傳統(tǒng)概念但使用新型陀螺（如激光陀螺、光纖陀螺和微機(jī)電陀螺等）的三軸平臺(tái)式光電穩(wěn)定系統(tǒng)在國外多種新型光電吊艙、導(dǎo)引頭和光電桅桿中得到了比較廣泛的應(yīng)用。

動(dòng)載體光電跟蹤裝置必須解決兩個(gè)關(guān)鍵性的技術(shù)問題：一是如何減小安裝基座運(yùn)動(dòng)引起的瞄準(zhǔn)線指向穩(wěn)定誤差；二是如何減小由于目標(biāo)快速運(yùn)動(dòng)引起的動(dòng)態(tài)跟蹤誤差，在跟蹤目標(biāo)的過程中，始終保持瞄準(zhǔn)線對(duì)準(zhǔn)目標(biāo)，從而保證整個(gè)系統(tǒng)所需要的跟蹤精度。早期的光電跟蹤系統(tǒng)一般采用三環(huán)路控制結(jié)構(gòu)，即采用電流反饋構(gòu)成電流環(huán)，測(cè)速機(jī)反饋構(gòu)成速度環(huán)以及視頻跟蹤器構(gòu)成空間位置閉環(huán)，從而形成跟蹤系統(tǒng)［7－8］。這種控制模式構(gòu)造簡(jiǎn)單，具有一定的跟蹤能力。但其缺點(diǎn)也很明顯，由于反饋器件中不包含任何慣性姿態(tài)量反饋，對(duì)于動(dòng)載體產(chǎn)生的擾動(dòng)僅僅依賴于最外層的空間位置閉環(huán)進(jìn)行校正，其擾動(dòng)隔離能力完全取決于空間位置環(huán)的帶寬?？臻g位置環(huán)的帶寬很小，其擾動(dòng)隔離能力有限，這種模式并不適用于動(dòng)載體高精度光電跟蹤系統(tǒng)。為了抑制載體擾動(dòng)，在系統(tǒng)設(shè)計(jì)時(shí)應(yīng)使用慣性姿態(tài)量傳感器（陀螺）作為反饋器件［9－10］。

經(jīng)典控制器在早期光電跟蹤裝置中發(fā)揮了重要作用，但隨著光電跟蹤設(shè)備跟蹤速度、跟蹤距離和跟蹤精度要求的不斷提高，其局限性越來越突出。為了改進(jìn)跟蹤性能，國內(nèi)外的研究者進(jìn)行了大量的探索，將濾波預(yù)測(cè)、前饋控制、復(fù)合閉環(huán)非線性補(bǔ)償控制等技術(shù)應(yīng)用到光電跟蹤控制系統(tǒng)設(shè)計(jì)中，并且取得了一定效果［11－12］。近年來，隨著計(jì)算機(jī)、大功率電子器件及電機(jī)等技術(shù)的迅速發(fā)展，智能控制和變結(jié)構(gòu)控制理論的應(yīng)用研究開始進(jìn)入一個(gè)新的階段，所研究的對(duì)象已涉及到眾多復(fù)雜系統(tǒng)。本文將小腦模型關(guān)節(jié)控制器（Cerebellar Model Articulation Controller，CMAC）神經(jīng)網(wǎng)絡(luò)應(yīng)用于光電穩(wěn)定跟蹤控制系統(tǒng)設(shè)計(jì)，希望能夠在三軸光電探測(cè)系統(tǒng)的姿態(tài)穩(wěn)定控制方面取得一些進(jìn)展。

1 運(yùn)動(dòng)模型與分析

三軸光電跟蹤系統(tǒng)的結(jié)構(gòu)和各轉(zhuǎn)動(dòng)軸的轉(zhuǎn)動(dòng)方位如圖1所示。設(shè)大地坐標(biāo)系為參考坐標(biāo)系，三軸光電跟蹤系統(tǒng)所在位置為坐標(biāo)原點(diǎn)，在初始狀態(tài)時(shí)，系統(tǒng)方位軸和橫傾軸與z軸重合，俯仰軸與x軸重合，瞄準(zhǔn)軸（光電系統(tǒng)視軸）與y軸重合。

根據(jù)四元數(shù)定義，系統(tǒng)在參考坐標(biāo)系下的零位瞄準(zhǔn)軸矢量為R＝y(tǒng)d·j。通過目標(biāo)探測(cè)器測(cè)得目標(biāo)的當(dāng)前位置r，且目標(biāo)與光電跟蹤系統(tǒng)之間的距離為yd。為使三軸光電跟蹤系統(tǒng)的瞄準(zhǔn)軸指向目標(biāo)當(dāng)前位置r，系統(tǒng)首先繞方位軸轉(zhuǎn)動(dòng)φ，得到瞄準(zhǔn)軸矢量為R1，描述轉(zhuǎn)動(dòng)的規(guī)范四元數(shù)為q0；再繞俯仰軸轉(zhuǎn)動(dòng)θ，得到瞄準(zhǔn)軸矢量為R2，描述轉(zhuǎn)動(dòng)的規(guī)范四元數(shù)為q1；最后繞橫傾軸轉(zhuǎn)動(dòng)ψ，得到瞄準(zhǔn)軸矢量為R3，描述轉(zhuǎn)動(dòng)的規(guī)范四元數(shù)為q2，其中：

2 基于CMAC的平臺(tái)姿態(tài)穩(wěn)定控制技術(shù)

2.1 基于CMAC的單軸智能伺服控制系統(tǒng)結(jié)構(gòu)框架

人工神經(jīng)網(wǎng)絡(luò)因其強(qiáng)大的自學(xué)習(xí)、自組織能力和自適應(yīng)能力在多個(gè)領(lǐng)域得到廣泛應(yīng)用［13－15］。小腦模型關(guān)節(jié)控制器神經(jīng)網(wǎng)絡(luò)是一種表達(dá)復(fù)雜非線性函數(shù)的表格查詢行自適應(yīng)神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)可通過學(xué)習(xí)算法改變表格的內(nèi)容，具有信息分類存儲(chǔ)的能力。

CMAC把系統(tǒng)的輸入狀態(tài)作為一個(gè)指針，把相關(guān)信息分布式地存入一組存儲(chǔ)單元。它本質(zhì)上是一種用于映射復(fù)雜非線性函數(shù)的查表技術(shù)。具體做法是將輸入空間分成許多分塊，每個(gè)分塊指定一個(gè)實(shí)際存儲(chǔ)器位置；每個(gè)分塊學(xué)習(xí)到的信息分布式地存儲(chǔ)到相鄰分塊的位置上；存儲(chǔ)單元數(shù)通常比所考慮問題的最大可能輸入空間的分塊數(shù)少得多，故實(shí)現(xiàn)的是多對(duì)一的映射，即多個(gè)分塊映射到同樣一個(gè)存儲(chǔ)器地址上。

CMAC已被公認(rèn)為是一類聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的重要組成部分，它能夠?qū)W習(xí)任意多維非線性映射。CMAC算法可有效地用于非線性函數(shù)逼近、動(dòng)態(tài)建模、控制系統(tǒng)設(shè)計(jì)等。

基于CMAC的單軸智能伺服系統(tǒng)的結(jié)構(gòu)框架如圖2所示。系統(tǒng)中各部分的功能及技術(shù)方案如下：

1）速度位置觀測(cè)與控制規(guī)劃器是三軸穩(wěn)定跟蹤平臺(tái)的總體控制器，它利用陀螺、角位置傳感器檢測(cè)到的信號(hào)及電機(jī)特性參數(shù)來構(gòu)造速度和轉(zhuǎn)子位置的估計(jì)方法，并利用實(shí)時(shí)獲取的結(jié)果來實(shí)現(xiàn)控制策略的最優(yōu)規(guī)劃，完成平臺(tái)的穩(wěn)定跟蹤控制。

2）本文采用兩個(gè)CMAC網(wǎng)絡(luò)協(xié)同工作實(shí)現(xiàn)電機(jī)的控制。圖2中虛線框所示部分為電機(jī)的智能控制器?！癈MAC學(xué)習(xí)算法網(wǎng)絡(luò)”根據(jù)施加到其上的電機(jī)輸入T、T′和電機(jī)輸出X產(chǎn)生網(wǎng)絡(luò)的輸出F（X），學(xué)習(xí)過程中的網(wǎng)絡(luò)權(quán)值存放在“網(wǎng)絡(luò)權(quán)值存儲(chǔ)器”中。系統(tǒng)中的“CMAC控制網(wǎng)絡(luò)”是專供輸出使用的，這兩個(gè)CMAC網(wǎng)絡(luò)共用“網(wǎng)絡(luò)權(quán)值存儲(chǔ)器”?！癈MAC學(xué)習(xí)算法網(wǎng)絡(luò)”負(fù)責(zé)將調(diào)整后的權(quán)值存入“網(wǎng)絡(luò)權(quán)值存儲(chǔ)器”，而“CMAC控制網(wǎng)絡(luò)”負(fù)責(zé)根據(jù)“網(wǎng)絡(luò)權(quán)值存儲(chǔ)器”中存放的權(quán)值和期望狀態(tài)Xd產(chǎn)生輸出F（Xd）。

圖2 單軸智能伺服系統(tǒng)的結(jié)構(gòu)

2.2 基于CMAC的控制算法

1）小腦模型關(guān)節(jié)控制器（CMAC）神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)如圖3所示，圖中X表示n維輸入狀態(tài)空間，A為具有m個(gè)單元的存儲(chǔ)區(qū)。輸入空間的一個(gè)點(diǎn)Xp將同時(shí)激活A(yù)中的C個(gè)元素，使其同時(shí)為1，而其它大多數(shù)元素為0，網(wǎng)絡(luò)的輸出yp即為A中C個(gè)被激活單元對(duì)應(yīng)的權(quán)值累加和。C值與泛化能力有關(guān)，稱為泛化參數(shù)。

2）向量空間分配。①輸入狀態(tài)空間包括的向量為：電樞繞組電壓X1，電樞繞組電流X2，PWM斬波信號(hào)占空比X3。②輸出向量為：電機(jī)轉(zhuǎn)速y1，輸出轉(zhuǎn)矩y2，電機(jī)轉(zhuǎn)動(dòng)方向y3。

3）CMAC網(wǎng)絡(luò)構(gòu)建。參照?qǐng)D3所示CMAC模型典型結(jié)構(gòu)，按照前述向量空間的定義，分別構(gòu)建圖2中的“CMAC學(xué)習(xí)算法網(wǎng)絡(luò)”和“CMAC控制網(wǎng)絡(luò)”，泛化參數(shù)取4。CMAC網(wǎng)絡(luò)采用δ學(xué)習(xí)算法調(diào)整權(quán)值，圖4給出其示意圖。

用F0表示對(duì)應(yīng)于輸入X期望的輸出向量，F(xiàn)0＝（F01，F(xiàn)02），權(quán)值調(diào)整公式為

網(wǎng)絡(luò)的3個(gè)輸出為

圖3 CMAC網(wǎng)絡(luò)結(jié)構(gòu)

圖4 CMAC網(wǎng)絡(luò)的權(quán)值調(diào)整

2.3 CMAC網(wǎng)絡(luò)的逼近能力仿真

為評(píng)估所構(gòu)建的CMAC網(wǎng)絡(luò)對(duì)目標(biāo)系統(tǒng)的逼近能力，特選定某一非線性對(duì)象

仿真中，網(wǎng)絡(luò)輸入取方波信號(hào)，采樣時(shí)間取0.05s，網(wǎng)絡(luò)參數(shù)取m＝200，n＝100，c＝5，η＝0.85，α＝0.05。仿真結(jié)果如圖5所示。

圖5 CMAC網(wǎng)絡(luò)對(duì)目標(biāo)的逼近能力仿真

3 結(jié)果與討論

實(shí)驗(yàn)測(cè)試系統(tǒng)主要包括三軸機(jī)電伺服平臺(tái)、姿態(tài)穩(wěn)定控制器、激光筆、坐標(biāo)紙等幾個(gè)部分。坐標(biāo)紙粘貼在豎直墻面上，激光筆通過機(jī)械連接件固定在三軸機(jī)電伺服平臺(tái)的內(nèi)框上，激光筆投射出的綠色激光束可以等效出穩(wěn)定平臺(tái)上搭載的光電探測(cè)器的視軸指向。實(shí)驗(yàn)時(shí)首先調(diào)整好基準(zhǔn)位置，隨后啟動(dòng)姿態(tài)穩(wěn)定控制程序，對(duì)三軸機(jī)電伺服平臺(tái)基座輸入頻率不大于1Hz、擺動(dòng)角度不超過±10°的隨機(jī)姿態(tài)擾動(dòng)信號(hào)，測(cè)量并記錄載體姿態(tài)擾動(dòng)作用下激光束投影點(diǎn)的偏移量d1，d2，…，確定其中的最大距離d，通過圖6所示幾何關(guān)系進(jìn)行計(jì)算可得到姿態(tài)穩(wěn)定誤差為

圖6 姿態(tài)穩(wěn)定誤差檢測(cè)原理

測(cè)試數(shù)據(jù)如表1所示。

表1 姿態(tài)穩(wěn)定實(shí)驗(yàn)測(cè)試數(shù)據(jù)

本文構(gòu)建的實(shí)驗(yàn)測(cè)試平臺(tái)選用的電機(jī)和光電編碼器都是小尺寸級(jí)的產(chǎn)品，光電編碼器的分辨率為767×10－6rad。表1顯示，在此基礎(chǔ)上實(shí)現(xiàn)的姿態(tài)穩(wěn)定誤差為870×10－6rad，也就是說，其他環(huán)節(jié)在傳感器分辨能力基礎(chǔ)上引入的姿態(tài)穩(wěn)定誤差為100×10－6rad。若選用高精度的角位置傳感器、高性能的力矩電機(jī)，結(jié)合基于CMAC神經(jīng)網(wǎng)絡(luò)的智能姿態(tài)穩(wěn)定控制系統(tǒng)，穩(wěn)定誤差可進(jìn)一步減小。

4 結(jié)束語

由于動(dòng)載體光電探測(cè)系統(tǒng)是一個(gè)復(fù)雜、非線性的不確定系統(tǒng)，利用經(jīng)典控制方法對(duì)其進(jìn)行控制存在許多無法克服的缺陷。本文的研究成果表明，以小腦模型關(guān)節(jié)控制器（CMAC）神經(jīng)網(wǎng)絡(luò)為核心并結(jié)合其它智能方法構(gòu)造的智能控制器可以實(shí)現(xiàn)較高的控制精度。把人工智能的方法和控制理論相結(jié)合是解決復(fù)雜系統(tǒng)控制難題行之有效的方法。

本文進(jìn)行的研究將智能控制方法應(yīng)用到載體姿態(tài)擾動(dòng)的隔離和視軸穩(wěn)定跟蹤控制中，在智能控制技術(shù)與光電探測(cè)技術(shù)相融合的領(lǐng)域進(jìn)行了有意義的探索。研究成果不僅對(duì)光電探測(cè)技術(shù)的發(fā)展是有益的，對(duì)于機(jī)器人技術(shù)、高精度伺服控制技術(shù)等領(lǐng)域也具有一定的參考價(jià)值，具有很好的發(fā)展?jié)摿蛻?yīng)用價(jià)值。

［1］范大鵬.《光電穩(wěn)定跟蹤裝置控制技術(shù)》專題文章導(dǎo)讀［J］.光學(xué)精密工程，2006，14（4）：673-680.

［2］吳卓昆，舒小芳，孫利軍，等.車載高精度陀螺穩(wěn)定跟蹤系統(tǒng)［J］.光電技術(shù)應(yīng)用，2011，26（6）：8-10，17.

［3］張新勇，王合龍，劉昇，等.機(jī)載光電穩(wěn)定平臺(tái)的模型辨識(shí)研究［J］.電光與控制，2014，21（3）：62-65，71.

［4］王晶，紀(jì)明，張沖，等.機(jī)載穩(wěn)瞄系統(tǒng)穩(wěn)定精度與視距關(guān)系的研究［J］.激光與紅外，2013，43（9）：1030-1035.

［5］孫輝，郎小龍，李志強(qiáng)，等.動(dòng)載體光電平臺(tái)視軸穩(wěn)定精度的檢測(cè)［J］.光學(xué)精密工程，2011，19（9）：2131-2137.

［6］高進(jìn)，段哲民.三軸穩(wěn)定跟蹤平臺(tái)建模分析［J］.火力與指揮控制，2012，37（11）：127-129.

［7］李紅光，姜旭，石波，等.光電穩(wěn)定跟蹤平臺(tái)跟蹤控制回路性能測(cè)試系統(tǒng)［J］.中國測(cè)試，2014，40（1）：133-136.

［8］尹航，齊蓉，柯棟梁，等.單軸穩(wěn)定平臺(tái)伺服控制器設(shè)計(jì)與實(shí)現(xiàn)［J］.測(cè)控技術(shù)，2012，31（7）：42-45.

［9］王哲，李其鍇，李福東，等.基于DSP+POS的機(jī)載穩(wěn)定平臺(tái)控制系統(tǒng)設(shè)計(jì)［J］.光學(xué)與光電技術(shù)，2013，11（6）：65-69.

［10］孟海磊，王志勝.基于STM32的三軸車載穩(wěn)定跟蹤平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)［J］.火力與指揮控制，2012，38（12）：164-166，170.

［11］李國會(huì)，楊媛，向忠武，等.四束激光光軸高精度穩(wěn)定控制技術(shù)［J］.強(qiáng)激光與粒子束，2014，26（3）：1-5.

［12］劉昊，李紅衛(wèi)，田偉強(qiáng).一種船載光電穩(wěn)定跟蹤伺服系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.電子設(shè)計(jì)工程，2013，21（12）：57-59.

［13］郭緒猛.雷達(dá)轉(zhuǎn)臺(tái)神經(jīng)網(wǎng)絡(luò)控制仿真研究［J］.雷達(dá)科學(xué)與技術(shù)，2013，11（5）：565-568.

［14］曾凱，姜巖，吳瑋.神經(jīng)網(wǎng)絡(luò)在GPS高程擬合中的應(yīng)用［J］.黑龍江工程學(xué)院學(xué)報(bào)：自然科學(xué)版，2013，27（3）：12-16.

［15］段洪君，齊世清，史小平.基于遞歸小腦神經(jīng)網(wǎng)絡(luò)的模糊自適應(yīng)控制［J］.沈陽工業(yè)大學(xué)學(xué)報(bào)，2012，34（3）：343-348.

［責(zé)任編輯：郝麗英］

Research of attitude stability control technology for photoelectric detection system based on CMAC

WEI Guo-feng，GUO Shao-wen，XU Ying，LI Wei，CHEN Xi，WANG Rui

（College of Electromechanical Engineering，Heilongjiang Institute of Technology，Harbin 150050，China）

The cerebellar model articulation controller（CMAC）neural network is applied to the design for photoelectric stable tracking control system of motorial carrier，respectively constructing“CMAC network learning algorithm”and“CMAC control network”.The generalization parameter is 4，and the learning algorithmδis used to adjust to the network weights.In order to assess the approximation ability of the CMAC network to built a target system，a nonlinear system is selected as the object.The input signal is continuous square wave and simulated.The simulation data shows that the input signal has changed after 0.15seconds and the steady-state error of the output signal is 0.Using DC torque motor and resolution of 767×10－6rad of photoelectric encoder，it builds a three-axis attitude stability control experimental device of motorial carrier.The result shows that controller based on CMAC neural network is constructed which can realize attitude stabilization error as 870×10－6rad in this experiment device.

three-axis photoelectric tracking system；attitude stabilization technology；motorial carrier；Cerebellar Model Articulation Controller（CMAC）；intelligent control；neural network

TP18

A

1671-4679（2015）01-0027-05

2014-10-17

黑龍江省自然科學(xué)基金資助項(xiàng)目（E201141）

魏國豐（1970－），男，教授，研究方向：神經(jīng)網(wǎng)絡(luò)；光機(jī)電一體化技術(shù)；數(shù)控技術(shù).