神经网络用于小车控制的一点想法之二[原创]

whut_wj

WJ本人对神经网络用于小车控制的一点思考。
  神经网络常用的一般有：感知器，BP，HOPFILED，RBF，ANN，ART和Kohonen网络。如果不用工具箱函数（即MATLAB的API函数），自己写的话，无所谓，说不定自己可以创造一种网络。只要收敛快，计算量小，泛化性能好，网络耗费资源小就行，话说起来简单，却有一定难度。但是小车的需求低，精度无需太高，因此应该来说比较容易实现。
  神经网络比PID， 模糊控制，遗传算法，bangbang等算法，更宏观，可以理解为从系统整体入手建模。但是正如本博文开头所说：计算量和收敛性必需保证，神经网络才有运用的可能性。WJ建议从以下几个方面解决这两个问题：
（1）不要指望神经网络的实时性。神经网络最要命的耗费时间是训练，神经网络在车运行时进行一两次成功的训练即可。在小车跑直线时通过获得的数据训练，因为直线时CPU会有空闲时间。另外，相信大家经常用拨码开关去选择多种控制决策，这不失一种方法。但是，这个控制决策是死的，也是事先规划好的，必定不能适应新的KT板的各种路径。
（2）最好用片内FLASH或SD卡，数据的处理是很重要的，数据也非常宝贵的，把数据存起来，传给PC，OFFLINE时研究神经网络的算法（有无数种训练算法），这是其一。其二，训练好的网络存在SD卡里，下次如果需要再训练，从老的网络开始（一般网络权值是随机开始），效率会高很多。
（3）正如数据融合一样，有决策层和数据层的融合，神经网络也一样，有决策层和数据层的运用。由于小车的路径是连续的，那么数据层的神经网络肯定是用得着的。在图像采集里，一般是40mS采集一次路径并做控制判决，那么这40mS的时间不够用怎么办？大家常用的一种方法是干脆80mS采集一次。我的建议是前60ms采集一次图像并作控制决策。后20ms运用前4Oms提取的路径信息并用神网预测路径的变化，这么一来相当于在20ms的时间里采集了一次图像。可想而知，效率提高了。
（4）上面是从数据层采用神经网络，这里讲一下从决策层采作神经网络。举个例子，假如控制器的输出-3 -2 -1 0 1 2 3分别代表舵机左偏30，左偏20，左偏10，直行，右偏10，右偏20，右偏30，而小车前7次的控制决策是：直行，右偏10，直行，左偏10，直行，右偏10，直行，（0 1 0 -1 0 1 0 ）。。。。，那么第8次的决策通过神网应该就是左偏（-1）。如果实际需要的不是左偏的话，就应该把神网“惩罚”一下。
（5）寻找合适的误差阈值。小车寻迹不像激光切割，精度要求并不高。其训练的误差值可以“商量”的。
（6）神网的训练数据不是抓到一个就可以的，是要选择的。但这个选择也是要耗时间的，如果是在PC上，FCM（模糊聚类）是不错的选择。但是MCU是扛不起这个重任的，于是选择合适的训练数据和目标数据也是一个重要的研究话题。这里，如何优化神网输入不是重点，略过。
（7）重视归一化处理和神经网络训练算法。这两点很重要，归一化可以理解为把（100 45 -67 90）归一化为（1 0.45 -0.67 0.9）,好处是改进数据的规范性，加快收敛。另外训练算法的重要性不言而喻，如用梯度下降法训练法使误差达到最小，什么是梯度下降法呢？打个比方 ，你要下山，山前的坡度是30度，山后是悬崖坡度是90度，要下山快，当然是找坡度大的直接跳。这个下山坡度和训练梯度是同一个含义
（8）个人觉得利用神经网络进行速度控制有较大优势，比PID控制起来精度会有些缺陷，但速度快。由于摩阻力，小车动力性能，小车驱动性能，电池等原因，需要对速度闭环控制。假如：小车以单位时间10ms为节拍，速度从X1m/s->Y1m/s，需要PWM为d1%占空比，速度从X2m/s->Y2m/s，需要PWM为d2%占空比.......速度从Xn m/s->Yn m/s，需要PWM为dn%占空比，那么以（X，Y）'为训练输入，(D)'为训练输出，建立神经网络并训练，那么建立起PWM和速度控制之间的关系是非常轻易的事。

zhangxiaalgwn

whut_wj 发表于 2009-9-10 00:11
这个基本没有人用到，一般人会觉得理论太深。
神经网络是我研一时的课程，学自动化的同学最好学习一下。以 ...

楼主我是新手，看着挺好来顶一下，现在你应该也是毕业工作了，祝顺利

达神

我正在学神经网络，作者给了我很大的信心，之前看神经的时候一直纠结应该怎么用到车上面，看了您的这篇文章，给了我很大的帮助，也给了我很大的信心，要不然我可能会坚持不了神经网络这个方法的。现在还没用上去，还在学习中，，，，，，，，，

？？？

开阔了视野。。。。。

1249844726

。看不懂

ゞS!leｎcE

太深奥了

幻晨月

前阵子才开始接触神经网络，去年参加过飞思，就想试试把它写到小车上去，有种相见恨晚的感觉。。。

浙东东

感觉第六，第五届，北理好像用了神经网络BP算法，其寻迹相当不错

浙东东

楼主我也是搞自动化的，我最近在想如何用神经网络去自适应PID参数，你的文章很好，我在论坛很少看到如此创造性的东西

牧℡〆风︶ㄣ

顶一下，
另外请问神经网络算法是不是平时说的记忆算法？
有没有什么更具体的参考资料呢？