The invention discloses a manipulator control method based on brain emotional learning, which is applied to mechanical arm controller: calculate the sensory input SI and reward signal REW; use the brain emotion learning model of sensory input SI and reward signal REW, and amygdala output value and the output value of the orbitofrontal cortex as the output of the U manipulator controller, to control the manipulator operation; detection of mechanical arm and calculate the actual speed feedback to step A sensory input SI and reward signal REW, to achieve closed-loop control of mechanical arm. The invention can achieve precise control of a mechanical arm in a nonlinear system.
【技术实现步骤摘要】
一种基于大脑情感学习的机械臂控制方法
本专利技术涉及机械臂控制领域,尤其涉及一种基于大脑情感学习的机械臂控制方法。
技术介绍
大脑情感学习(BrainEmotionalLearning,简称BEL)是Moren等于2000年基于大脑中杏仁体组织和眶额皮层组织间信息传递方式而提出的计算模型,该大脑情感学习模型主要包括杏仁核和眶额皮质两部分,其基本工作原理如图1所示。随后,大脑情感学习模型迅速发展并并广泛应用于控制工程,实际应用表明大脑情感学习模型在非线性系统控制中具有优良性能和巨大潜能。机械臂控制系统是一个机械结构复杂具有时变、耦合以及不确定干扰的非线性系统。随着对机械臂控制要求的不断提高,传统的机械臂控制方法很难满足控制精度要求较高的非线性模型的实际需求,例如:传统PD(P表示比例控制,D表示微分控制)控制方法广泛应用于控制精度要求不高的工业现场中,而对于控制精度要求较高的非线性模型控制效果很不理想。
技术实现思路
针对现有技术中的上述不足之处,本专利技术提供了一种基于大脑情感学习的机械臂控制方法,能够实现机械臂在非线性系统中的精确控制。本专利技术的目的是通过以下技术方案实现的:一种基于大脑情感学习的机械臂控制方法,应用于机械臂控制器,包括:步骤一、按照以下公式计算出感官输入SI和奖励信号REW;在公式一和公式二中:SI表示感官输入;REW表示奖励信号;e表示给定速度与机械臂实际速度的差值,机械臂实际速度的初始值为0;u表示机械臂控制器的输出,u的初始值为0;K1、K2、K3、K4和K5均表示调节系数;步骤二、利用大脑情感学习模型对感官输入SI与奖励信号REW ...
【技术保护点】
一种基于大脑情感学习的机械臂控制方法,应用于机械臂控制器,其特征在于,包括:步骤一、按照以下公式计算出感官输入SI和奖励信号REW;SI=K1e+K2∫edt 公式一REW=K3e+K4∫edt+K5u 公式二在公式一和公式二中:SI表示感官输入;REW表示奖励信号;e表示给定速度与机械臂实际速度的差值,机械臂实际速度的初始值为0;u表示机械臂控制器的输出,u的初始值为0;K1、K2、K3、K4和K5均表示调节系数;步骤二、利用大脑情感学习模型对感官输入SI与奖励信号REW进行处理,并将杏仁体输出值与眶额皮质输出值的差值作为机械臂控制器的输出u,以控制机械臂运作;步骤三、检测机械臂实际速度,并将其反馈到步骤一中进行感官输入SI和奖励信号REW的计算,用以实现机械臂的闭环控制。
【技术特征摘要】
1.一种基于大脑情感学习的机械臂控制方法,应用于机械臂控制器,其特征在于,包括:步骤一、按照以下公式计算出感官输入SI和奖励信号REW;SI=K1e+K2∫edt公式一REW=K3e+K4∫edt+K5u公式二在公式一和公式二中:SI表示感官输入;REW表示奖励信号;e表示给定速度与机械臂实际速度的差值,机械臂实际速度的初始值为0;u表示机械臂控制器的输出,u的初始值为0;K1、K2、K3、K4和K5均表示调节系数;步骤二、利用大脑情感学习模型对感官输入SI与奖励信号REW进行处理,并将杏仁体输出值与眶额皮质输出值的差值作为机械臂控制器的输出u,以控制机械臂运作;步骤三、检测机械臂实际速度,并将其反馈到步骤一中进行感官输入SI和奖励信号REW的计算,用以实现机械臂的闭环控制。2.根据权利要求1所述的基于大脑情感学习的机械臂控制方法,其特征在于,所述的利用大脑情感学习模型对感官输入SI与奖励信号REW进行处理,并将杏仁体输出值与眶额皮质输出值的差值作为机械臂控制器的输出u包括:(1)丘脑接收感官输入SI,并将感官输入SI中的最大值传输到杏仁体,同时将接收到的感官输入信号全部输入到感觉皮层;(2)按照以下公式计算杏仁体输出值:Ai=Vi·Si公式三Ath=Vth·max(Si)公式四在公式三和公式四中:Si表示感官输入,Vi表示杏仁体的预置可变连接权重...
【专利技术属性】
技术研发人员:宋玉宝,王安,王展鹏,赵国新,
申请(专利权)人:北京石油化工学院,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。