一种机器人控制器方法、系统、介质、设备及终端技术方案

本发明专利技术属于机器人控制技术领域，公开了一种机器人控制器方法、系统、介质、设备及终端，基于RBF神经网络自适应反步法控制。由控制器，和执行机构组成，控制器采样基于PCC构架的构架单元，执行机构采样总线控制，把PCC的算法计算出来的数据发送给伺服机构单元，驱动伺服机构进行执行。其中机器人控制器方法基于RBF神经网络自适应反步法控制，本发明专利技术提供的机器人控制器方法，具体涉及一种基于自适应神经网络的机器人控制器算法，该算法嵌设到机器人的控制器里面，使得机器人在运动过程中能够自动调节其运动参数。同时，本发明专利技术提供的基于自适应神经网络的机器人控制器算法不用进行建模，且抗干燥性强，使得系统稳定性高。使得系统稳定性高。使得系统稳定性高。

【技术实现步骤摘要】
一种机器人控制器方法、系统、介质、设备及终端


[0001]本专利技术属于机器人控制
，尤其涉及一种机器人控制器方法、系统、介质、设备及终端。

技术介绍

[0002]目前，随着计算机技术、传感器技术和人工智能等技术的快速发展，机器人技术也变得日趋成熟，而其中的移动机器人类型应用最为广泛，在家用服务、航天、工业等众多的行业中扮演着越来越重要的角色，这些各种各样的机器人能够在特定环境下很好地完成工作。但是，目前的机器人还不够完善，无法自动调节其运动参数，抗干燥性较弱，机器人系统的整体稳定性较差。因此，亟需设计一种新的机器人控制器方法、系统。
[0003]通过上述分析，现有技术存在的问题及缺陷为：目前的机器人还不够完善，无法自动调节其运动参数，抗干燥性较弱，机器人系统的整体稳定性较差。
[0004]解决以上问题及缺陷的难度为：在参数调节方面，由于无法获得被控对象的准确信息，传统的基于PID的参数调节方法，基本属于“盲调”，调节一个机器人使其具有很好的运动性能，短则几天，长则一周时间，大量耗费人力。另外，当机器人长期运行，随着关节润滑度，负载发生变化，传统的PID方法无法进行自适应，这就使得机器人在运行过程中，会发生异响等多种问题，严重时候，甚至会引发机器人设备发生振荡，严重影响机器人的性能。
[0005]解决以上问题及缺陷的意义为：本专利技术通过自适应算法，在机械手运动过程中，自动调节控制器参数，大大简化了设备调试人员的调机过程，并且随着机械手的使用，当机械臂由于长期使用或者保养过程中，造成参数性能改变时候，控制器可以通过调节参数自动适应变化。同时，当机械臂突加或者突卸负载时候，机械臂可以通过康扰动环节，自适应调节控制器参数，实现系统的稳定。这将大大简化人员的调机负担，使用机器人调试过程由一项技术变成一项工作，大提高工作效率。

技术实现思路

[0006]针对现有技术存在的问题，本专利技术提供了一种机器人控制器方法、系统、介质、设备及终端，尤其涉及一种基于自适应神经网络的机器人控制器方法、系统、介质、设备及终端。
[0007]本专利技术是这样实现的，此装备由控制器，和执行机构组成，控制器采样基于PCC(贝加莱系统)构架的构架单元，执行机构采样总线控制，把PCC的算法计算出来的数据发送给伺服机构单元，驱动伺服机构进行执行。其中所述机器人控制器方法基于RBF神经网络自适应反步法控制，包括：
[0008][0009]式中，d(t)为有界扰动，g(x)方向未知。令：
[0010]z1＝x
1d
‑
x1ꢀꢀ
(2)
[0011]z2＝x2‑
α
ꢀꢀ
(3)
[0012]则：
[0013][0014][0015]设李亚普诺夫函数为：
[0016][0017]则：
[0018][0019][0020]令：
[0021][0022]将式(3)、式(9)带入式(8)：
[0023][0024][0025]设计李亚普诺夫函数V2为：引入RBF神经网络对f(x)进行估计，令：对式子中的未知非线性函数f(x)进行估计；其中，是对f(x)的估计值，是实际值与估计值之差，引入RBF神经网络进行估计：
[0026]f(x)＝W*H(x)
ꢀꢀ
(12)
[0027]其中，W为理想权值，H(x)＝[h1(x)，h2(x)...h
i
(x)]，x为神经网络输入，由于理想权值无法达到，则：
[0028][0029]其中，为估计权值，为估计误差，ε
f
为误差。另外，假设存在有界函数D，D>0，使得|ε
f
+d(t)|＜D：
[0030][0031]由于g(x)为符号未知，且可以为0的函数，引入nussbuam函数进行处理，设：
[0032][0033]其中，N(x)＝将式(17)带入式(16)，得：
[0034][0035][0036][0037][0038]由于：
[0039][0040]则：
[0041][0042]将式(13)带入式(23)：
[0043][0044]其中，自适应率为：
[0045][0046][0047]本专利技术的另一目的在于提供一种应用所述的机器人控制器方法的机器人控制器系统。
[0048]本专利技术的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述的机器人控制器方法。
[0049]本专利技术的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述的机器人控制器方法。
[0050]本专利技术的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述的机器人控制器系统。
[0051]本专利技术的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述的机器人控制器系统。
[0052]本专利技术的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的机器人控制器系统。
[0053]结合上述的所有技术方案，本专利技术所具备的优点及积极效果为：本专利技术提供的机器人控制器方法，具体涉及一种基于自适应神经网络的机器人控制器算法，该算法嵌设到机器人的控制器里面，使得机器人在运动过程中能够自动调节其运动参数；该算法不用进行建模，且抗干燥性强，使得系统稳定性高。
附图说明
[0054]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅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。
[0055]图1是专利技术实施例提供的控制器采用自适应算法后，动态跟踪被控曲线做往复运动，可以看出随着自适应算法的接入，经过两个周期的调节后，很好的实现了对曲线的跟踪的效果图。
[0056]图2是专利技术实施例提供的突加突卸负载，系统通过抗扰动能力可以自适应的对干扰进行抑制，确保了系统的抗扰动性能的效果图。
具体实施方式
[0057]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0058]针对现有技术存在的问题，本专利技术提供了一种机器人控制器方法、系统、介质、设
备及终端，下面结合附图和具体实施例对本专利技术作详细的描述。此装备由控制器，和执行机构组成，控制器采样基于PCC(贝加莱系统)构架的构架单元，执行机构采样总线控制，把PCC的算法计算出来的数据发送给伺服机构单元，驱动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人控制器方法，其特征在于，所述机器人控制器方法基于RBF神经网络自适应反步法控制，包括：式中，d(t)为有界扰动，g(x)方向未知；令：z1＝x
1d
‑
x1ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)z2＝x2‑
α
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)则：则：设李亚普诺夫函数为：则：令：将式(3)、式(9)带入式(8)：将式(3)、式(9)带入式(8)：设计李亚普诺夫函数V2为：引入RBF神经网络对f(x)进行估计，令：对式子中的未知非线性函数f(x)进行估计；其中，是对f(x)的估计值，是实际值与估计值之差，引入RBF神经网络进行估计：f(x)＝W*H(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)其中，W为理想权值，H(x)＝[h1(x)，h2(x)...h
i
(x)]，x为神经网络输入，由于理想权值无法达到，则：其中，为估计权值，为估计误差，ε
f
为误差；另外，假设存在有界函数D，D>0，使得|
ε
f
+d(t)|...

【专利技术属性】
技术研发人员：许博，彭宝营，杨庆东，陈秀梅，钟建琳，秦宇飞，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：