[發明專利]一種機器人神經網絡式計算力矩控制器訓練平臺及訓練方法

無效

• 申請號: 201310185856.6
• 申請日: 2013-05-17
• 公開（公告）號: CN103279039A
• 公開（公告）日: 2013-09-04
• 發明（設計）人: 張良安;王鵬;柏家峰;萬俊;單家正;解安東
• 申請（專利權）人: 安徽工業大學
• 主分類號: G05B17/02
• 分類號: G05B17/02;G05D17/02
• 代理公司: 南京知識律師事務所 32207
• 代理人: 蔣海軍

技術領域：

本發明屬于機器人控制技術領域，涉及一種機器人神經網絡式計算力矩控制器訓練平臺及訓練方法，具體涉及一種基于虛機實電的高速并聯機器人神經網絡式計算力矩控制器訓練平臺及訓練方法。

背景技術：

并聯機器人自身的結構特點，使其在需要高剛度、高精度或者大載荷而無須很大工作空間的領域內得到了廣泛應用；另外，其驅動裝置大多置于定平臺上或接近定平臺的位置，這樣運動部分重量輕，動態響應好，可實現高速運動。

在控制方面，目前，大多數商用機械手都采用PD和PID控制等線性單軸控制方式，這種控制方式盡管在低速下能達到滿意的精度，但高速并聯機械手因離心力、科里奧力和重力項的影響，無法通過該控制器實現高速運動下滿意的控制品質。

事實上，計算力矩控制方法思路清晰，已廣泛應用于機器人控制器設計中，但由于機器人是一個十分復雜的多輸入多輸出非線性系統，具有時變、強耦合和非線性的動力學特征，傳統的計算力矩模型無法精確地逼近實際機器人控制模型，因此不能滿足較高精度要求的場合。而神經網絡具有學習任何復雜的非線性和不確定性對象的能力，利用神經網絡學習高速并聯機器人系統的非確定性因素，對計算力矩模型進行補償修正，可實現其高精度控制。

采用神經網絡控制器時，其訓練網絡模型并佐證其算法有效性的多為仿真方法，并主要是通過基于“虛機”或“虛電”系統得到，如Ideas，MATLAB/SimuLink，ADAMS，SolidWorks以及EASY-ROB等工具軟件，并且局限“虛機”或者“虛電”系統。這種基于仿真得到的神經網絡模型和實際機器人模型的差距使得其控制器難以在工程實踐中得到很好的應用。另一方面，若采用實際樣機訓練神經網絡的話，鑒于其初始模型和機器人模型的差別和訓練過程的復雜不確定性，很可能因為控制器模型的錯誤使得設備在訓練過程中發生意外，這種成本將難以負擔。

發明內容：

本發明旨在提高高速并聯機器人的軌跡跟蹤控制性能，針對現有技術的不足，提出基于虛機實電的高速并聯機器人神經網絡式計算力矩控制器訓練平臺及訓練方法，通過搭建與實際機器人機構靜、動態性能一致的虛機實電訓練平臺，并借助本平臺訓練神經網絡，得到較大程度符合實際機器人控制模型的神經網絡式計算力矩控制模型，為控制器的設計提供幫助。

為解決上述技術問題，本發明的基本構思是：搭建最大程度與實物模型一致的高速并聯機器人虛機實電系統，通過實電驅動虛機，并從實電及虛機中采集預定信號作為訓練樣本，訓練神經網絡式計算力矩控制器，得到虛機的神經網絡表示的計算力矩控制模型，即訓練完成后的神經網絡中各連接權值及閾值表征了計算力矩控制模型。

本發明所提供的一種機器人神經網絡式計算力矩控制器訓練平臺由上位控制單元、開放式運動控制驅動單元、高速并聯機器人虛擬現實單元、數據采集與通信單元及基于人工神經網絡的自適應控制模型組成；所述的上位控制單元完成運動規劃及過程監視；所述的開放式運動控制驅動單元包括運動控制器、驅動器、伺服電機，是完成上位控制單元控制指令向電控驅動轉化的實電部分；所述的高速并聯機器人虛擬現實單元用于實現高速并聯機器人虛機及相關三維場景的構建；所述的數據采集與通信單元實現所述上位控制單元、開放式運動控制驅動單元及高速并聯機器人虛擬現實單元三者間相互的數據通訊，并能夠采集人工神經網絡所需訓練樣本；所述的基于人工神經網絡的自適應控制模型由并行工作的神經網絡式機器人逆動力學模型逼近器與線性比例微分反饋控制器組成。

所述的基于人工神經網絡的自適應控制模型是本訓練平臺的操作對象，在訓練期，通過學習高速并聯機器人虛機實際軌跡與相應的控制力矩樣本，并與期望軌跡比較，按權值調整律調整其人工神經網絡連接權值，逐步逼近高速并聯機器人虛機逆動力學模型，在運行期，它被嵌入上位控制單元作為控制器的核心，其內核等同于高速并聯機器人補償了非線性不確定項的逆動力學模型，實現由高速并聯機器人期望軌跡到控制力矩的映射。

本發明所提供的一種機器人神經網絡式計算力矩控制器的訓練方法具體步驟如下：

（1）以所述的上位控制單元、開放式運動控制驅動單元、高速并聯機器人虛擬現實單元及數據采集與通信單元為組成部分，搭建高速并聯機器人虛機實電控制系統；

（2）建立基于人工神經網絡的自適應控制模型，該模型由并行工作的神經網絡式機器人逆動力學模型逼近器與線性比例微分反饋控制器組成，神經網絡式機器人逆動力學模型逼近器的輸出力矩與線性比例微分反饋控制器的輸出力矩之和作為控制器的信號輸入，驅動高速并聯機器人虛機各關節運動；