一种基于信息物理神经网络的多轴机械臂预测控制方法技术

本发明专利技术属于控制技术领域，公开了一种基于信息物理神经网络的多轴机械臂预测控制方法。包括以下步骤：1)基于机械臂各轴之间的物理关系建立非线性动态机械臂模型并进行配置；2)基于机械臂模型，使用Sobol序列随机采样生成数据，并使用离散物理信息神经网络PINNs对数据进行训练；3)对训练生成的数据进行筛选，使用扩展卡尔曼滤波器预测噪声环境下的下一个状态；4)根据参考轨迹，利用非线性模型预测控制机械臂进行轨迹跟踪，并生成最优控制序列；5)根据参考轨迹目前的状态，更新扩展卡尔曼滤波器的最优控制输入，并循环迭代步骤4)和步骤5)，完成对机械臂的实时控制。本发明专利技术能够对多轴机械臂的位置和速度进行实时控制，得到更小的误差，显示出更优越的控制能力。

【技术实现步骤摘要】

本专利技术涉及控制领域以及人工智能技术的应用，具体而言，涉及一种基于人工智能信息物理神经网络的多轴机械臂预测控制方法。

技术介绍

1、随着工业自动化和智能制造技术的迅速发展，多轴机械臂在现代工业中发挥着越来越重要的作用。在这些应用场景中，机械臂的轨迹控制至关重要，直接影响到操作的精度、速度和稳定性。传统的比例-积分-微分(pid)控制方法由于其简单性和易实现性，早期在工业应用中广泛使用。然而，随着操作任务复杂性的增加，pid控制方案在处理非线性动态特性、模型不确定性及外部扰动时的局限性逐渐显现。为了克服这些局限性，研究人员提出了自适应控制和鲁棒控制等先进的控制方法。自适应控制能够根据系统状态的变化自动调整控制参数，从而提高系统的适应性和鲁棒性；鲁棒控制则通过考虑系统的不确定性和外部扰动，增强了控制系统的稳定性和可靠性。

2、尽管自适应控制和鲁棒控制在提高系统的适应性和稳定性方面表现出色，但为了应对更复杂的非线性系统，同时为了提高控制效率，研究人员开始探索智能控制方法。然而，这些智能控制方法在处理高度复杂的非线性动态系统时，往往需要大量训练数据且本文档来自技高网...

【技术保护点】

1.一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，所述步骤1)包括以下步骤：

3.根据权利要求1所述的一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，所述步骤2)包括以下步骤：

4.根据权利要求1所述的一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，所述步骤3)包括以下步骤：

5.根据权利要求1所述的一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，所述步骤4)包括以下步骤：

<...

【技术特征摘要】

1.一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，所述步骤1)包括以下步骤：

3.根据权利要求1所述的一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，所述步骤2)包括以下步骤：

4.根据权利要求1所述的一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，所述步骤3)包括以下步骤：

5.根据权利要求1所述的一种基于信息物理神经网络的多轴机械臂预测控制方法，其特征在于，所述步骤4)包括以下步骤：

6.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：夏长清，王亦卿，金曦，许驰，孙乙铭，李栋，曾鹏，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：