考虑绳索空间同步性的绳驱并联系统智能控制方法技术方案

考虑绳索空间同步性的绳驱并联系统智能控制方法，属于多绳索并联驱动系统控制领域。本发明专利技术解决现有技术忽略了绳索空间中的各绳索长度的同步性对末端执行器的控制精度和稳定性产生影响的问题。本发明专利技术先构建绳索空间下的理论偏差耦合误差向量，利用理论偏差耦合误差向量构建智能同步控制器；采用深度强化学习算法并结合理论偏差耦合误差向量对深度神经网络进行训练；通过训练后深度神经网络对构建的实际偏差耦合误差向量进行识别，输出当前动作对智能同步控制器中的K

【技术实现步骤摘要】
考虑绳索空间同步性的绳驱并联系统智能控制方法


[0001]本专利技术属于多绳索并联驱动系统控制领域，具体涉及一种考虑绳索空间同步性的绳驱并联系统智能控制方法。

技术介绍

[0002]绳驱并联系统(即：多绳索并联驱动系统)由于其特殊的柔性特性，在大跨度空间货物搬运，装卸和一些特定场景中有着广泛的应用。然而，由于绳驱并联系统采用绳索作为驱动单元，导致想要精确地控制末端执行器的位置和姿态是复杂且困难的，极大地限制了绳驱并联系统的实际应用。在进行绳驱并联系统控制方案设计时，目前被忽略的一个重要问题就是：在多绳索长度调节过程中，绳索长度调节的不同步会将导致多绳索产生振荡进而影响末端执行器的控制效果。首先，由于绳驱并联系统是并联分布式构型：n个电机分别放置于工作空间的n个位置，每一个电机独立控制一根绳索的收绳与放绳。其次，绳驱并联系统实际是通过控制n个互相独立的电机驱动n根独立的绳索，间接地控制末端执行器的位置与姿态。最后，因为末端执行器的每一个位置与姿态点都对应一组绳索长度，只有n根绳索同时到达各自的期望长度，才能确保末端执行器达到期望点。因此，绳索空间中的绳索长度的同步性将直接影响末端执行器的控制精度和稳定性，该问题需要解决。

技术实现思路

[0003]本专利技术目的是为了解决现有技术忽略了绳索空间中的各绳索长度的同步性对末端执行器的控制精度和稳定性产生影响的问题，本专利技术提供了一种考虑绳索空间同步性的绳驱并联系统智能控制方法。
[0004]考虑绳索空间同步性的绳驱并联系统智能控制方法，该方法包括如下步骤：
[0005]步骤一、利用绳驱并联系统动力学模型计算绳驱并联系统中各绳索理论长度；根据绳驱并联系统中各绳索理论长度，构建绳索空间下的理论偏差耦合误差向量e
c
‑
rc
；
[0006]步骤二、利用理论偏差耦合误差向量e
c
‑
rc
构建考虑绳索空间同步性的智能同步控制器；
[0007]步骤三、采用深度强化学习算法并结合理论偏差耦合误差向量e
c
‑
rc
，对深度神经网络进行训练，获得训练后深度神经网络；
[0008]步骤四、利用当前时刻采集到的绳驱并联系统中各绳索实际长度，构建绳索空间下的实际偏差耦合误差向量e
′
c
‑
rc
；
[0009]步骤五、将实际偏差耦合误差向量e
′
c
‑
rc
作为训练后深度神经网络的输入，通过训练后深度神经网络对实际偏差耦合误差向量e
′
c
‑
rc
进行识别后，输出当前动作a
′
；
[0010]步骤六、利用当前动作a
′
对步骤二获得的智能同步控制器的比例参数矩阵K
cp
和微分参数矩阵K
cd
进行更新，获得更新后的比例参数矩阵K
′
cp
和更新后的微分参数矩阵K
′
cd
；
[0011]步骤七、智能同步控制器根据更新后的比例参数矩阵K
′
cp
、更新后的微分参数矩阵K
′
cd
、以及步骤四获得的绳索空间下的实际偏差耦合误差向量e
′
c
‑
rc
生成实际偏差控制信号
u
′
crcc
；再根据实际偏差控制信号u
′
crcc
生成同步控制信号u
tc
‑
crcc
对多绳索并联驱动系统进行控制；
[0012]其中，u
tc
‑
crcc
＝u
tc
‑
u
′
crcc
，u
tc
为基础控制器输出的控制信号。
[0013]优选的是，步骤一中、e
c
‑
rc
＝[e
c
‑
rc1 ... e
c
‑
rcn
]T
；其中，e
c
‑
rci
为第i根绳索对应的理论偏差耦合误差，i＝1,2,...,n；
[0014]在理论偏差耦合误差向量e
c
‑
rc
中的所有理论偏差耦合误差构成环状拓扑结构，具体为：
[0015][0016]其中，
[0017]l
di
为第i根绳索的期望长度；e
ci
为第i根绳索长度的理论跟踪误差，且e
ci
＝l
i
‑
l
di
；
[0018]l
i
为第i根绳索的理论长度。
[0019]优选的是，步骤二中，智能同步控制器的模型构成为：
[0020][0021]K
cp
＝diag{K
cp1
,K
cp2
,,...,K
cpn
}；
[0022]K
cd
＝diag{K
cd1
,K
cd2
,,
…
,K
cdn
}；
[0023]其中，u
crcc
为智能同步控制器输出的理论偏差控制信号，为理论偏差耦合误差向量e
c
‑
rc
的导数，K
cpi
为比例参数矩阵K
cp
中的第i个分量，K
cdi
为微分参数矩阵K
cd
中的第i个分量，i＝1,2,
…
,n。
[0024]优选的是，步骤三中、采用深度强化学习算法并结合理论偏差耦合误差向量e
c
‑
rc
，对深度神经网络进行训练，获得训练后深度神经网络的实现方式包括：
[0025]步骤三一、构建马尔可夫决策过程，具体为：
[0026]首先、将理论偏差耦合误差向量e
c
‑
rc
定义为马尔可夫决策过程的状态x(m)＝e
c
‑
rc
(m)；其中，e
c
‑
rc
(m)表示将理论偏差耦合误差向量e
c
‑
rc
离散化后的第m步的结果；x(m)为第m个控制周期的状态；
[0027]其次、利用K
cp
和K
cd
中的分量所组成的向量定义为马尔可夫决策过程的动作a(m)＝[K
cp1 ... K
cpn K
cd1 ... K
cdn
]T
；其中，K
cpi<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑绳索空间同步性的绳驱并联系统智能控制方法，其特征在于，该方法包括如下步骤：步骤一、利用绳驱并联系统动力学模型计算绳驱并联系统中各绳索理论长度；根据绳驱并联系统中各绳索理论长度，构建绳索空间下的理论偏差耦合误差向量e
c
‑
rc
；步骤二、利用理论偏差耦合误差向量e
c
‑
rc
构建考虑绳索空间同步性的智能同步控制器；步骤三、采用深度强化学习算法并结合理论偏差耦合误差向量e
c
‑
rc
，对深度神经网络进行训练，获得训练后深度神经网络；步骤四、利用当前时刻采集到的绳驱并联系统中各绳索实际长度，构建绳索空间下的实际偏差耦合误差向量e
′
c
‑
rc
；步骤五、将实际偏差耦合误差向量e
′
c
‑
rc
作为训练后深度神经网络的输入，通过训练后深度神经网络对实际偏差耦合误差向量e
′
c
‑
rc
进行识别后，输出当前动作a
′
；步骤六、利用当前动作a
′
对步骤二获得的智能同步控制器的比例参数矩阵K
cp
和微分参数矩阵K
cd
进行更新，获得更新后的比例参数矩阵K
′
cp
和更新后的微分参数矩阵K
′
cd
；步骤七、智能同步控制器根据更新后的比例参数矩阵K
′
cp
、更新后的微分参数矩阵K
′
cd
、以及步骤四获得的绳索空间下的实际偏差耦合误差向量e
′
c
‑
rc
生成实际偏差控制信号u
′
crcc
；再根据实际偏差控制信号u
′
crcc
生成同步控制信号u
tc
‑
crcc
对多绳索并联驱动系统进行控制；其中，u
tc
‑
crcc
＝u
tc
‑
u
′
crcc
，u
tc
为基础控制器输出的控制信号。2.根据权利要求1所述的考虑绳索空间同步性的绳驱并联系统智能控制方法，其特征在于，步骤一中、e
c
‑
rc
＝[e
c
‑
rc1
ꢀ…ꢀ
e
c
‑
rcn
]
T
；其中，e
c
‑
rci
为第i根绳索对应的理论偏差耦合误差，i＝1,2,
…
,n；在理论偏差耦合误差向量e
c
‑
rc
中的所有理论偏差耦合误差构成环状拓扑结构，具体为：其中，l
di
为第i根绳索的期望长度；e
ci
为第i根绳索长度的理论跟踪误差，且e
ci
＝l
i
‑
l
di
；
l
i
为第i根绳索的理论长度。3.根据权利要求1所述的考虑绳索空间同步性的绳驱并联系统智能控制方法，其特征在于，步骤二中，智能同步控制器的模型构成为：K
cp
＝diag{K
cp1
,K
cp2
,,...,K
cpn
}；K
cd
＝diag{K
cd1
,K
cd2
,,...,K
cdn
}；其中，u
crcc
为智能同步控制器输出的理论偏差控制信号，为理论偏差耦合误差向量e
c
‑
rc
的导数，K
cpi
为比例参数矩阵K
cp
中的第i个分量，K
cdi
为微分参数矩阵K
cd
中的第i个分量，i＝1,2,...,n。4.根据权利要求1所述的考虑绳索空间同步性的绳驱并联系统智能控制方法，其特征在于，步骤三中、采用深度强化学习算法并结合理论偏差耦合误差向量e
c
‑
rc
，对深度神经网络进行训练，获得训练后深度神经网络的实现方式包括：步骤三一、构建马尔可夫决策过程，具体为：首先、将理论偏差耦合误差向量e
c
‑
rc
定义为马尔可夫决策过程的状态x(m)＝e
c
‑
rc
(m)；其中，e
c
‑
rc
(m)表示将理论偏差耦合误差向量e
c
‑
rc
离散化后的第m步的结果；x(m)为第m个控制周期的状态；其次、利用K
cp
和K
cd
中的分量所组成的向量定义为马尔可夫决策过程的动作a(m)＝[K
cp1 ... K
cpn K
cd1 ... K
cdn
]
T
；其中，K
cpi
为比例参数矩阵K
cp
中的第i个分量，K
cdi
为微分参数矩阵K
cd
...

【专利技术属性】
技术研发人员：吴立刚，李晓磊，卢彦岐，姚蔚然，孙光辉，吴承伟，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：