一种基于事件触发的机器人运动约束跟踪控制方法技术

本发明专利技术属于机器人系统控制技术领域，具体为一种基于事件触发的机器人运动约束跟踪控制方法。通过引入转换方程将原有的运动约束跟踪控制问题，转化为一种新的无约束跟踪误差系统的最优控制问题。并在此基础上，构建基于事件触发机制的智能学习器，建立事件触发时刻和系统状态信息之间的内在关系，实现最优控制器的在线求解。既保障机器人系统在安全约束空间范围内进行运动跟踪控制，又有效降低机器人系统的通信负载和计算资源损耗。在求解过程中，通过在权重参数更新规则中引入稳定项，松弛了对初始稳定控制器的要求，提高该方法在实际系统应用中的可行性。统应用中的可行性。统应用中的可行性。

【技术实现步骤摘要】
一种基于事件触发的机器人运动约束跟踪控制方法


[0001]本专利技术属于机器人系统控制
，具体为一种基于事件触发的机器人运动约束跟踪控制方法。

技术介绍

[0002]随着感知、交互、控制以及人工智能技术的快速发展，机器人系统已被广泛应用于日常生产生活中。机器人技术从单一任务到更加复杂任务场景、从数字化到智能化的进程中仍面临诸多技术问题亟待解决。由于典型机器人系统具有强耦合、强非线性等特性，一个基本问题是为其设计合适的控制器，使机器人按照特定的或者人类指令执行复杂任务。自然，机器人的运动控制问题近年来引起了广泛关注。运动控制作为机器人技术中的一个重要问题，是机器人系统在实际应用中完成多种复杂任务的重要基础。
[0003]现有的机器人控制方法大多依赖于时间触发机制，但这种方法在实际应用中并不理想，主要体现在该方法的机器人系统总是周期性的连续采集系统状态，来更新其控制信号，导致大量的信息传输和计算成本的增加。此外，在一些机器人的典型应用中，由于某些应用场景的特殊要求或受机器人自身机械结构限制，机器人的关节运动空间往往受到一定的约束。也就本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于事件触发的机器人运动约束跟踪控制方法，其特征在于，包括以下步骤：步骤1、基于机器人系统的动力学模型和跟踪误差状态，建立带有约束的跟踪误差系统；步骤2、通过引入转换方程，对带有约束的跟踪误差系统中的控制问题进行等价转化，得到无约束的辅助跟踪误差系统；步骤3、基于无约束的辅助跟踪误差系统，设置用于评估其性能的代价函数；利用Hamilton函数和Bellman最优性原理，对代价函数进行求解，得到针对辅助跟踪误差系统的最优控制问题模型；步骤4、通过引入事件触发机制，利用神经网络技术构建事件触发智能学习控制器；通过事件触发智能学习控制器与设计的事件触发条件，完成机器人运动约束的跟踪控制。2.如权利要求1所述的一种基于事件触发的机器人运动约束跟踪控制方法，其特征在于，所述步骤4的实现方法为：4.1、在步骤3得到的最优控制问题模型中引入事件触发机制，得到事件触发最优控制器；4.2、构建神经网络，并将神经网络作为智能控制器，神经网络包括评价网络和执行网络；通过设计评价网络和执行网络权重参数更新规则，并在智能控制器中对执行网络学习的事件触发最优控制器进行设置，得到事件触发智能学习控制器；4.3、通过事件触发智能学习控制器与设计事件触发条件，完成机器人运动约束的跟踪控制。3.如权利要求1所述的一种基于事件触发的机器人运动约束跟踪控制方法，其特征在于，所述步骤1的实现方法为：1.1、机器人系统的动力学模型为:式(1)中，q表示机器人系统的关节运动状态，u表示系统的控制输入；M(q)、和G(q)分别表示惯性矩阵、向心力矩阵和重力向量；q
d
和分别表示关节运动角度和角速度；定义运动跟踪误差为e
q
＝q
‑
q
d
和设状态变量期望状态得到跟踪误差状态为1.2、根据跟踪误差状态和机器人系统的动力学模型公式(1)，建立跟踪误差动力学公式(2)：式(2)中，c(e)＝[0 (M
‑1)
T
]
T
；定义机器人关节运动约束范围为：式(3)中，n表示机器人自由度，和表示机器人运动状态的上下界；根据式(3)，得到跟踪误差的约束范围：其中和为跟踪状态的上下界，
从而获得带有约束的跟踪误差系统。4.如权利要求3所述的一种基于事件触发的机器人运动约束跟踪控制方法，其特征在于，所述步骤2的实现方法为：2.1、引入Barrier转换方程，并求出该方程的逆函数：引入的方程为：式(4)中，ξ
i
为转化后的误差状态，是一种可逆的光滑函数，a＞1是一个正常数；方程(4)的逆函数形式为：根据跟踪误差动力学公式(2)和方程(4)，即可构建出无约束跟踪误差系统，无约...

【专利技术属性】
技术研发人员：彭知南，程洪，黄瑞，邹朝彬，宋广奎，施柯丞，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：