机械结构的控制方法、装置及系统制造方法及图纸

本发明专利技术涉及自动控制领域，提供一种机械结构的控制方法、装置及系统，方法包括：获取机械结构对应的示教数据；其中，示教数据是人工控制机械结构执行目标任务过程中生成的；基于示教数据，对控制机械结构用的算法智能体进行训练；通过训练后的算法智能体，控制机械结构执行目标任务。通过人工控制机械结构执行目标任务过程中生成的示教数据对算法智能体进行训练，进而利用训练后的算法智能体控制机械结构执行目标任务，由于整个控制过程中无需建模环节，对于不便建模的场景同样适用，适用范围更广，同时，由于示教数据易于根据不同的目标任务进行调整或者重新获得，使得机械结构的控制过程更加灵活。过程更加灵活。过程更加灵活。

【技术实现步骤摘要】
机械结构的控制方法、装置及系统


[0001]本专利技术涉及自动控制
，尤其涉及一种机械结构的控制方法、装置及系统。

技术介绍

[0002]在对机械结构进行自动控制的过程中，常通过基于模型的控制算法实现自动控制，由于基于模型的控制算法需要根据不同的执行器以及不同的操控任务建立相应的模型，导致该方法适用范围较小，且灵活性较差。
[0003]因此，现在亟需一种适用范围广且更加灵活的机械结构的控制方法来解决上述问题。

技术实现思路

[0004]本专利技术提供一种机械结构的控制方法、装置及系统，用以解决现有技术中基于模型的控制算法的适用范围较小，且灵活性较差缺陷，实现适用范围更广、更加灵活的机械结构控制方案。
[0005]第一方面，本专利技术提供一种机械结构的控制方法，该方法包括：
[0006]获取机械结构对应的示教数据；其中，所述示教数据是人工控制机械结构执行目标任务过程中生成的；
[0007]基于所述示教数据，对控制所述机械结构用的算法智能体进行训练；
[0008]通过训练后的所述算法智能体，控制所述机械结构执行目标任务。
[0009]根据本专利技术提供的机械结构的控制方法，所述示教数据包括操控动作信息、执行器的状态和奖励信息以及环境信息。
[0010]根据本专利技术提供的机械结构的控制方法，通过训练后的所述算法智能体，控制所述机械结构执行目标任务，包括：
[0011]将训练后的所述算法智能体部署于所述机械结构对应的执行器中；
[0012]通过所述算法智能体控制所述执行器驱动所述机械结构动作，以执行目标任务。
[0013]根据本专利技术提供的机械结构的控制方法，通过所述算法智能体控制所述执行器驱动所述机械结构动作，以执行目标任务之后，还包括：
[0014]基于所述目标任务的执行结果，对所述算法智能体进行优化。
[0015]第二方面，本专利技术还提供一种机械结构的控制装置，该装置包括：
[0016]获取模块，用于获取机械结构对应的示教数据；其中，所述示教数据是人工控制机械结构执行目标任务过程中生成的；
[0017]训练模块，用于基于所述示教数据，对控制所述机械结构用的算法智能体进行训练；
[0018]控制模块，用于通过训练后的所述算法智能体，控制所述机械结构执行目标任务。
[0019]第三方面，本专利技术还提供一种机械结构的控制系统，该系统包括：示教数据采集设备以及处理设备；
[0020]所述示教数据采集设备用于采集人工控制机械结构执行目标任务过程中生成的示教数据；
[0021]所述处理设备用于获取所述示教数据，基于所述示教数据，对控制所述机械结构用的算法智能体进行训练，并通过训练后的所述算法智能体，控制所述机械结构执行目标任务。
[0022]根据本专利技术提供的机械结构的控制系统，所述示教数据采集设备包括：人体动作采集器、执行器状态采集器以及环境数据采集器；
[0023]所述人体动作采集器用于采集人工控制机械结构执行目标任务过程中的操控动作信息；
[0024]所述执行器状态采集器用于采集人工控制机械结构执行目标任务过程中执行器的状态和奖励信息；
[0025]所述环境数据采集器用于采集人工控制机械结构执行目标任务过程中的环境信息。
[0026]第四方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述机械结构的控制方法。
[0027]第五方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述机械结构的控制方法。
[0028]第六方面，本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述机械结构的控制方法。
[0029]本专利技术提供的机械结构的控制方法、装置及系统，通过人工控制机械结构执行目标任务过程中生成的示教数据对算法智能体进行训练，进而利用训练后的算法智能体控制机械结构执行目标任务，由于整个控制过程中无需建模环节，对于不便建模的场景同样适用，适用范围更广，同时，由于示教数据易于根据不同的目标任务进行调整或者重新获得，使得机械结构的控制过程更加灵活。
附图说明
[0030]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1是本专利技术提供的机械结构的控制方法的流程示意图；
[0032]图2是人类操作员示教前的实现原理示意图；
[0033]图3是人类操作员示教过程以及算法智能体训练过程的实现原理示意图；
[0034]图4是本专利技术提供的机械结构的控制装置的结构示意图；
[0035]图5是本专利技术提供的机械结构的控制系统的结构示意图；
[0036]图6是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0037]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]首先对本专利技术实施例针对的现有方案进行详细说明：
[0039]以机器人的控制方案为例，现有的机器人误差补偿控制方法均采用基于模型的最优控制算法实现。首先需要对机器人执行器进行精确建模，例如弹性参数、背隙死区、机械结构参数等执行器具体参数，然后使用优化算法以执行器执行误差为能量函数，求解理论上最理想的控制量。这类方案的缺点主要有以下两个方面：
[0040]一方面，需要针对每一种不同的控制器精确手动建模，还需要修改以及反复调试优化算法，导致控制方法实现过程繁琐；
[0041]另一方面，由于硬件长久使用产生的执行器性能退化并不会被考虑在模型中，需要使用一段时间之后进行重新测量或者标定，模型的调整甚至重建过程耗时耗力，不够灵活。
[0042]由此可见，传统控制算法由于需要对被控对象进行精确建模，在传统基于模型的控制过程中，往往需要算法设计者对被控系统进行手动数学建模并设计对应的控制器，而这一过程无法针对不同的执行器或者不同操控任务形成通用控制算法解决方案，且在要求一机多用的场景中该控制算法的灵活性较差，对于不便进行数学建模的控制场景，传统控制方法并不适用，因此，上述传统控制方法存在建模以及调整过程繁琐、适用范围小的缺陷。
[0043]为此，本专利技术实施例针对上述技术问题，提供了可行的解决方案，下面结合图1
‑
图6描述本专利技术实施例提供的机械结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机械结构的控制方法，其特征在于，包括：获取机械结构对应的示教数据；其中，所述示教数据是人工控制机械结构执行目标任务过程中生成的；基于所述示教数据，对控制所述机械结构用的算法智能体进行训练；通过训练后的所述算法智能体，控制所述机械结构执行目标任务。2.根据权利要求1所述的机械结构的控制方法，其特征在于，所述示教数据包括操控动作信息、执行器的状态和奖励信息以及环境信息。3.根据权利要求1所述的机械结构的控制方法，其特征在于，通过训练后的所述算法智能体，控制所述机械结构执行目标任务，包括：将训练后的所述算法智能体部署于所述机械结构对应的执行器中；通过所述算法智能体控制所述执行器驱动所述机械结构动作，以执行目标任务。4.根据权利要求3所述的机械结构的控制方法，其特征在于，通过所述算法智能体控制所述执行器驱动所述机械结构动作，以执行目标任务之后，还包括：基于所述目标任务的执行结果，对所述算法智能体进行优化。5.一种机械结构的控制装置，其特征在于，包括：获取模块，用于获取机械结构对应的示教数据；其中，所述示教数据是人工控制机械结构执行目标任务过程中生成的；训练模块，用于基于所述示教数据，对控制所述机械结构用的算法智能体进行训练；控制模块，用于通过训练后的所述算法智能体，控制所述机械结构执行目标任务。6.一种机械结构...

【专利技术属性】
技术研发人员：李今，詹仙园，周谷越，
申请(专利权)人：清华大学，
类型：发明
国别省市：