Artificial intelligence techniques have been used in the industry to control complex systems; among these proposals, adaptive Proportional, Integrative, Derivative (PID) controllers are intelligent versions of the most used controller in the industry. This work presents an adaptive neuron PD controller and a multilayer neural PD controller for position tracking of a mobile manipulator. Both controllers are trained by an extended Kalman filter (EKF) algorithm. Neural networks trained with the EKF algorithm show faster learning speeds and convergence times than the training based on backpropagation. The integrative term in PID controllers eliminates the steady-state error, but it provokes oscillations and overshoot. Moreover, the cumulative error in the integral action may produce windup effects such as high settling time, poor performance, and instability. The proposed neural PD controllers adjust their gains dynamically, which eliminates the steady-state error. Then, the integrative term is not required, and oscillations and overshot are highly reduced. Removing the integral part also eliminates the need for anti-windup methodologies to deal with the windup effects. Mobile manipulators are popular due to their mobile capability combined with a dexterous manipulation capability, which gives them the potential for many industrial applications. Applicability of the proposed adaptive neural controllers is presented by simulating experimental results on a KUKA Youbot mobile manipulator, presenting different tests and comparisons with the conventional PID controller and an existing adaptive neuron PID controller.

中文翻译：

---

用于移动机械手轨迹跟踪的自适应神经PD控制器

人工智能技术已在工业中用于控制复杂系统。在这些建议中，自适应比例，积分，微分（PID）控制器是业界最常用的控制器的智能版本。这项工作提出了用于移动机械手位置跟踪的自适应神经元PD控制器和多层神经PD控制器。两种控制器均通过扩展的卡尔曼滤波器（EKF）算法进行训练。与基于反向传播的训练相比，使用EKF算法训练的神经网络显示出更快的学习速度和收敛时间。PID控制器中的积分项可以消除稳态误差，但会引起振荡和超调。此外，积分动作中的累积误差可能会产生加速效果，例如建立时间长，性能差，和不稳定。所提出的神经PD控制器动态调整其增益，从而消除了稳态误差。然后，不需要积分项，并且大大减少了振荡和超调。去除组成部分还消除了使用反饱和方法来处理饱和效果的需求。移动机械手由于其移动能力和灵巧的操纵能力而广受欢迎，这使其具有许多工业应用的潜力。通过在KUKA Youbot移动操纵器上模拟实验结果，提出了自适应神经控制器的适用性，并与常规PID控制器和现有的自适应神经元PID控制器进行了不同的测试和比较。消除了稳态误差。然后，不需要积分项，并且大大减少了振荡和超调。去除组成部分还消除了使用反饱和方法来处理饱和效果的需求。移动机械手因其移动能力和灵巧的操纵能力而广受欢迎，这使其具有许多工业应用的潜力。通过在KUKA Youbot移动操纵器上模拟实验结果，提出了自适应神经控制器的适用性，并与常规PID控制器和现有的自适应神经元PID控制器进行了不同的测试和比较。消除了稳态误差。然后，不需要积分项，并且大大减少了振荡和超调。去除组成部分还消除了使用反饱和方法来处理饱和效果的需求。移动机械手由于其移动能力和灵巧的操纵能力而广受欢迎，这使其具有许多工业应用的潜力。通过在KUKA Youbot移动操纵器上模拟实验结果，提出了自适应神经控制器的适用性，并与常规PID控制器和现有的自适应神经元PID控制器进行了不同的测试和比较。去除组成部分还消除了使用反饱和方法来处理饱和效果的需求。移动机械手因其移动能力和灵巧的操纵能力而广受欢迎，这使其具有许多工业应用的潜力。通过在KUKA Youbot移动操纵器上模拟实验结果，提出了自适应神经控制器的适用性，并与常规PID控制器和现有的自适应神经元PID控制器进行了不同的测试和比较。去除组成部分还消除了使用反饱和方法来处理饱和效果的需求。移动机械手由于其移动能力和灵巧的操纵能力而广受欢迎，这使其具有许多工业应用的潜力。通过在KUKA Youbot移动操纵器上模拟实验结果，提出了自适应神经控制器的适用性，并与常规PID控制器和现有的自适应神经元PID控制器进行了不同的测试和比较。