一种多自由度机器人的类脑学习控制方法技术

本发明专利技术公开了一种多自由度机器人的类脑学习控制方法，包括：步骤一、建立多自由度机器人系统动力学模型；步骤二、构建基于MSAE‑NN的智能控制器u；步骤三、将控制器u作用到步骤一)建立的机器人系统，使输出y(t)按给定精度β0跟踪期望轨迹xd(t)，同时确保系统跟踪误差e(t)在t≥0有界。本发明专利技术与绝大多数机器人神经网络控制方法不同的是，类脑学习控制方法完整地继承了MSAE‑NN的优质特性，网络具有结构多元化的基函数以及时变的理想权值，并且能够根据系统当前的输出偏差对神经元个数进行实时调整。这一方面避免了人工通过反复试验的方式来配置NN相关参数的繁冗过程；另一方面，有助于巩固与强化系统的自学习和自适应能力，提升其整体智能程度。

A brain like learning control method for multi degree of freedom robot

The control method, the invention discloses a multi DOF robot brainlike learning comprises the steps of: establishing a multi DOF robot system dynamics model; step two, the construction of intelligent u controller based on NN MSAE; step three, the U controller to step a) robot system, the output of Y (T) according to the given accuracy of beta 0 tracking XD (T), while ensuring that the system tracking error of E (T) t in more than 0 bounded. The present invention is different from most robot neural network control method is brainlike learning control method completely inherited the quality characteristics of MSAE NN network, has the ideal weight bases function diversified structure and time-varying, and according to the system output error current to adjust the number of neurons. On the one hand, to avoid the cumbersome process of artificial through repeated experiment method to configure the NN parameters; on the other hand, helps to consolidate and strengthen the self-learning and adaptive ability, enhance the overall level of intelligence.

【技术实现步骤摘要】
一种多自由度机器人的类脑学习控制方法
本专利技术涉及机器人控制领域和不确定非线性动态系统控制领域，特别涉及一种多自由度机器人的仿生智力控制方法。
技术介绍
多关节机械臂是MIMO系统控制的典型对象。与自适应NN稳定性分析技术结合，目前机械臂控制取得了很多成果，比如：为了提升轨迹跟踪控制的精度和综合性能，一些学者针对末端执行器的位置跟踪任务，设计了无需有效载荷质量先验信息的在线NN自适应控制器；一些学者通过NN控制实现了机器人与不确定粘性环境的交互；一些学者结合小脑模型关节控制(CMAC)和回声状态网络，针对非光滑的非线性动力学系统提出了一种输出跟踪误差受限的鲁棒位置控制方法。由于这些控制策略中采用的是固定结构的NN模型，因此在实际使用场景中存在如下问题：NN控制以万能逼近定理(UAT)为严格前提，在控制器设计和集成阶段需要确保NN能够安全有效地发挥学习/近似能力，一旦NN参数设置不恰当，不仅会使NN整体逼近能力丧失，还会影响系统的平稳安全运行。其主要问题在于缺少系统化、通用性强的参数选取方法，包括神经元个数，基函数及其结构参数(如，高斯基函数的中心和宽度参数)等。在绝大多数NN控制方本文档来自技高网...

【技术保护点】
一种多自由度机器人的类脑学习控制方法，其特征在于：包括以下步骤：步骤一、建立多自由度机器人系统动力学模型；对于含有n个旋转关节的刚性电驱动机械臂，其动力学方程为：

【技术特征摘要】
1.一种多自由度机器人的类脑学习控制方法，其特征在于：包括以下步骤：步骤一、建立多自由度机器人系统动力学模型；对于含有n个旋转关节的刚性电驱动机械臂，其动力学方程为：其中，q＝[q1,...,qn]T∈Rn，分别表示关节角位移，关节角速度和关节角加速度向量；D(q)∈Rn×n为对称正定惯性矩阵，为向心力与科氏力矩，G(q)∈Rn和分别为重力与摩擦力，δ(t)∈Rn表示外部扰动和建模不确定性；u∈Rl为系统控制输入信号，表示关节电机产生的实际力矩与控制信号间的非线性映射；记机械臂末端执行器的位姿为p＝[p1,...,pm]T∈Rm，m表示末端执行器在笛卡尔任务空间的自由度，且满足m≤n以涵盖冗余运动情形；并引入如下多入多出非仿射系统：其中，系统状态向量x＝[x1,...,xn]T∈Rn；控制输入向量u＝[u1,...,ul]T∈Rl；系统输出y＝[y1,...,yn]T∈Rn；f(·)＝[f1(·),...,fn(·)]T∈Rn和fd(x,t)＝[fd1,...,fdn]T∈Rn分别表示未知光滑非线性函数向量和不确定外界扰动或子系统故障引起的额外跳变；根据中值定理可知存在使得非仿射函数fk(·)满足且定义跟踪误差e(t)＝y-yd＝[e1,...,en]T，取β>0为一已知常数，定义滤波误差向量：其关于时间的导数为：其中，集总不确定性项L(·)表示为L(·)＝f(x,0)±fd(x,t)+Yd且虚拟控制增益矩阵中间变量当B(·)为未知且非必须对称型方阵时，控制器唯一可用信息是(B+BT)/2为正定或负定，正定(B+BT)/2的最小特征值恒正，故存在某未知正常数ω使得

【专利技术属性】
技术研发人员：宋永端，方觅，贾梓筠，张东，赖俊峰，
申请(专利权)人：青岛格莱瑞智能控制技术有限公司，
类型：发明
国别省市：山东,37