一种基于低延迟输出反馈模型的机器人预测控制方法技术

本发明专利技术公开了一种基于低延迟输出反馈模型的机器人预测控制方法，本发明专利技术先通过观测器获得干扰机器人控制的噪声值，再结合传感器获得的输入值，预测出机器人的下一个系统状态值；对全体控制律的计算方法进行判断，在两种计算方式中选出最优方式，最后计算多模型加权系数；发明专利技术有更强的实时性，较大的降低了输出的延迟。并且通过对现有状态的分析，降低了噪声对系统的影响，对系统的预测控制更加稳定且有效。

A Robot Predictive Control Method Based on Low Delay Output Feedback Model

The invention discloses a predictive control method for robots based on low-delay output feedback model. The method first obtains the noise value disturbing the control of robots by observer, then predicts the next system state value of robots by combining the input value obtained by sensors, judges the calculation method of the whole control law, chooses the best way in two calculation modes, and finally calculates. The invention has better real-time performance and greatly reduces the output delay. Through the analysis of the existing state, the influence of noise on the system is reduced, and the predictive control of the system is more stable and effective.

【技术实现步骤摘要】
一种基于低延迟输出反馈模型的机器人预测控制方法
本专利技术属于自动控制领域，涉及一种线性约束系统的低延迟输出反馈模型预测控制。
技术介绍
目前的人形机器人领域中，机器人机械肢体的控制技术已经趋于成熟，可以完成一些复杂的动作，如挥臂，行走，下蹲等。但是，常见的机器人控制是人类给定指令去控制机器人，鲜有机器人自主跟随的方式。得益于机器视觉技术的发展，新一代机器人可以通过摄像头捕捉信息。人形机器人的预测控制跟随，便是机器人控制技术与机器视觉技术交叉所产生的新兴领域。预测控制跟随，是指利用机器视觉技术捕捉并分析被跟随者的动作，在此基础上，运用预测控制技术推测出被跟随者下一步将要进行的动作，人形机器人根据判断结果做出相应的预期动作。目前此领域内的一大难点便是预测，预测的准确性、实时性将直接影响机器人的跟随效果。本算法提及的“模型预测控制”便是解决此难点的关键算法。
技术实现思路
本专利技术针对现有技术的不足，提出了一种基于低延迟输出反馈模型的机器人预测控制方法。本专利技术方法的步骤包括：步骤1、模型预测控制通过观测器获得干扰机器人控制的噪声值，再结合传感器获得的输入值，预测出机器人的下一个系统状态值；1.1通过观测器和传感器获得数据，计算最初的预测值考虑到线性和离散形式的时间系统；xk+1＝Axk+Buk+wk(1a)yk＝Cxk+vk(1b)k表示时间，表示系统状态值，表示输入值，表示未知的过程噪声；表示被外物干扰的可用测量值，表示未知的测量噪声，A，B，C为可调节系数；系统状态值x和输入值u需要满足以下条件：是系统状态值x的集合，是系统状态值u的集合，和都是凸集；假设在时间k＝0时，一个初始状态x0的预测值是已知的；此外，测量值y0已经获取并且输入值u0被应用至时间系统；1.2进行状态预测一个观测器根据测量噪声值yk，输入值uk，初始预测值来预测时间系统的状态值x；离散时间观测器由两个交替的步骤组成：预测步骤使用后验估计值去预测下一个状态值由此产生的先验估计值在校正步骤中得到了改进，校正步骤使用yk并以为结果；L是观察增益；根据这些步骤的执行顺序，观测器也被称为实时观测器；或者称为计算先验估计值的预测观测器；增益L需要使(I-LC)A,逐渐稳定来保证动态误差估计稳定，其中A，C为时间系统(1)中定义的可调节系数，L为观测增益，I为可调节系数；其中状态预测值为：1.3预测控制律的融入预测控制通过解决基于一个状态预测值或的凸二次规划QP来计算输入值uk；QP送出一个最优的输入序列和一个状态预测序列两数列长度均在N以内，以便于他们与标准方程(1)和预测状态值相一致；即满足：此外，和应该满足以下两个条件：和最小化一个凸二次代价函数其中Q是半正定的，P和R是正定的；为了简化表达，我们使用标准方程(5)消除了状态序列考虑一个只使用输入序列Uk作为最优变量的精简问题：这允许将QP以公式的形式表达：精简问题中的代价函数来自于：这里的H是正定的，因为R是正定的；消除状态序列改变对输入序列uk的约束Nc中的约束，即条件(6)；作为结果的最优输入序列中的第一部分被用来输入，即，将代价函数Jk和约束Ck进行整合，构成全体控制律是：步骤2、降低输出反馈的操作延迟对全体控制律的计算方法进行判断，在两种计算方式中选出最优方式2.1选择最优的计算方式为了预测控制律的计算，利用观测结构，即公式(4)，反馈到全体控制律，即公式(11)；将在k-1时的状态估计值和在k时输出yk映射到输入值uk上；即即对于只有yk在k之前是未知的，估计值在k-1时为已知的；这促使将yk到的映射分成两个步骤；在k-1和k之间，基于去计算yk，一种分段仿射映射的形式：代表yk的集合，yk为适用于控制律的参数；和通过利用公式(8)解决方案中的分段仿射结构来计算；在k时，用公式(12)来计算uk：集合使被确定，并且uk通过使用这个集合的控制律被计算出；2.2利用标准方法计算全体控制律实现预测控制律的方法为使用后验估计值去计算使用显式预测控制，即explicitMPC；显示预测控制只适用于约束Nc,，状态值n，输入值p，长度范围N的数量足够少的情况，并且当代价函数J，即公式(9)，约束C，即公式(10)；步骤3、多模型加权系数局部模型不匹配实现如下：ej(t)＝|yout(t)-yj(t)|,j＝1,2,…,i(17)根据局部模型的误差，计算各部分的加权系数：其中，wj为第j个局部区域控制变量的权重；计算权重wj的简要方法是基于机器人跟随不匹配的误差来实现的；wj的取值范围为(0,1)，所有权重的总和等于1；使用残差的历史值，并给每个模型分配1个推测值来计算权重wj；通过常规方法重构整体控制变量，计算出各线性模型控制变量的权重；因此，目标控制变量写成：本专利技术相对于现有技术所具有的有益效果：本专利技术对于非线性控制系统，相较于现有技术，有更强的实时性，较大的降低了输出的延迟。并且通过对现有状态的分析，降低了噪声对系统的影响，对系统的预测控制更加稳定且有效。附图说明图1为本专利技术的方法流程图。具体实施方式如图1所示，本专利技术一种基于低延迟输出反馈模型的机器人预测控制方法，该方法具体包括以下步骤：步骤1、模型预测控制通过观测器获得干扰机器人控制的噪声值，再结合传感器获得的输入值，预测出机器人的下一个系统状态值；1.1通过观测器和传感器获得数据，计算最初的预测值考虑到线性和离散形式的时间系统；xk+1＝Axk+Buk+wk(1a)yk＝Cxk+vk(1b)k表示时间，表示系统状态值，表示输入值，表示未知的过程噪声；表示被外物干扰的可用测量值，表示未知的测量噪声，A，B，C为可调节系数；系统状态值x和输入值u需要满足以下条件：是系统状态值x的集合，是系统状态值u的集合，和都是凸集；假设在时间k＝0时，一个初始状态x0的预测值是已知的；此外，测量值y0已经获取并且输入值u0被应用至时间系统；1.2进行状态预测一个观测器根据测量噪声值yk，输入值uk，初始预测值来预测时间系统的状态值x；离散时间观测器由两个交替的步骤组成：预测步骤使用后验估计值去预测下一个状态值由此产生的先验估计值在校正步骤中得到了改进，校正步骤使用yk并以为结果；L是观察增益；根据这些步骤的执行顺序，观测器也被称为实时观测器；或者称为计算先验估计值的预测观测器；增益L需要使(I-LC)A,逐渐稳定来保证动态误差估计稳定，其中A，C为时间系统(1)中定义的可调节系数，L为观测增益，I为可调节系数；其中状态预测值为：1.3预测控制律的融入预测控制通过解决基于一个状态预测值或的凸二次规划QP来计算输入值uk；QP送出一个最优的输入序列和一个状态预测序列两数列长度均在N以内，以便于他们与标准方程(1)和预测状态值相一致；即满足：此外，和应该满足以下两个条件：和最小化一个凸二次代价函数其中Q是半正定的，P和R是正定的；为了简化表达，我们使用标准方程(5)消除了状态序列考虑一个只使用输入序列Uk作为最优变量的精简问题：这允许将QP以公式的形式表达：精简问题中的代价函数来自于：这里的H是正定的，因为R是正定的；消除状态序列改变对输入序列uk的约束Nc中的约束，即条件(6)；作为结果的最优输入序列中的第一部分被用来输入，即，将代价函数Jk和约本文档来自技高网...

【技术保护点】
1.一种基于低延迟输出反馈模型的机器人预测控制方法，其特征在于，该方法具体包括以下步骤：步骤1、模型预测控制通过观测器获得干扰机器人控制的噪声值，再结合传感器获得的输入值，预测出机器人的下一个系统状态值；1.1 通过观测器和传感器获得数据，计算最初的预测值考虑到线性和离散形式的时间系统；xk+1＝Axk+Buk+wk  (1a)yk＝Cxk+vk  (1b)k表示时间，

【技术特征摘要】
1.一种基于低延迟输出反馈模型的机器人预测控制方法，其特征在于，该方法具体包括以下步骤：步骤1、模型预测控制通过观测器获得干扰机器人控制的噪声值，再结合传感器获得的输入值，预测出机器人的下一个系统状态值；1.1通过观测器和传感器获得数据，计算最初的预测值考虑到线性和离散形式的时间系统；xk+1＝Axk+Buk+wk(1a)yk＝Cxk+vk(1b)k表示时间，表示系统状态值，表示输入值，表示未知的过程噪声；表示被外物干扰的可用测量值，表示未知的测量噪声，A，B，C为可调节系数；系统状态值x和输入值u需要满足以下条件：是系统状态值x的集合，是系统状态值u的集合，和都是凸集；假设在时间k＝0时，一个初始状态x0的预测值是已知的；此外，测量值y0已经获取并且输入值u0被应用至时间系统；1.2进行状态预测一个观测器根据测量噪声值yk，输入值uk，初始预测值来预测时间系统的状态值x；离散时间观测器由两个交替的步骤组成：预测步骤使用后验估计值去预测下一个状态值由此产生的先验估计值在校正步骤中得到了改进，校正步骤使用yk并以为结果；L是观察增益；根据这些步骤的执行顺序，观测器也被称为实时观测器；或者称为计算先验估计值的预测观测器；增益L需要使(I-LC)A,逐渐稳定来保证动态误差估计稳定，其中A，C为时间系统(1)中定义的可调节系数，L为观测增益，I为可调节系数；其中状态预测值为：1.3预测控制律的融入预测控制通过解决基于一个状态预测值或的凸二次规划QP来计算输入值uk；QP送出一个最优的输入序列和一个状态预测序列两数列长度均在N以内，以便于他们与标准方程(1)和预测状态值相一致；即满足：此外，和应该满足以下两个条件：和最小化一个凸二次代价函数其中Q是半正定的，P和R是正定的；为了简化表达，我们使用标准方程(5)消除了状态序列考虑一个只使用输入序列Uk作为最优变量...

【专利技术属性】
技术研发人员：郑淳馨，孔亚广，潘亮，孔君睿，陈张平，王春达，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33