[發明專利]一種類人機器人上肢運動模型的類神經精準控制方法

有效

• 申請號: 201610101992.6
• 申請日: 2016-02-24
• 公開（公告）號: CN105619408B
• 公開（公告）日: 2017-10-27
• 發明（設計）人: 喬紅;吳偉;陳嘉浩;尹沛劼
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京瀚仁知識產權代理事務所(普通合伙)11482
• 代理人: 宋寶庫

技術領域

本發明涉及一種類人機器人運動模型的控制方法，尤其涉及一種類人機器人上肢運動模型的類神經精準控制方法。

背景

傳統機器人采用以關節電機為主的驅動方式，在控制過程中需要通過對各個關節的精確控制來完成運動任務，當運動的自由度很高時，控制會變得很復雜。而且，傳統機器人大多根據特定任務設計，功能單一，不具有廣泛的應用能力，無法很好地應對新的運動任務。

參照人體運動系統，采用仿人的肌肉-關節結構的類人機器人與傳統機器人相比，在靈活性、通用性和可靠性上具有顯著的改善。但由于其特殊的結構設計，增加了運動模型的自由度和非線性性，也使得對模型的反向求解計算過程繁瑣，計算量大，因此對傳統的控制方法提出了更高的要求。

現有一種技術方案如下：

現有技術1：H.Qiao,C.Li,P.J.Yin,W.Wu and Z.-Y.Liu,Human-inspired motion model of upper-limb with fast response and learning ability-A promising direction for robot system and control,Assembly Automation,in publication.

現有技術1公開了一種類人機器人上肢運動的類神經控制方法，該方法是基于將習慣計劃理論應用于類人機器人控制而提出的，可以根據學習所得的運動模板來完成新的運動任務。該方法大幅地減少了機器人控制過程中的計算量，與傳統控制方法相比提高了運動速度，還可以通過不斷地積累更多的運動模板點來提高運動精度。但是該方法在提高控制精度時所需的模板點數量大，因此在學習過程中可能存在計算量大，學習過程緩慢，且對存儲要求高等問題。而且該方法所提高的運動精度局限在所習得的運動模板范圍內，缺乏泛化能力。

在神經認知領域，生物學家提出了群體向量編碼的機制，可以根據相關運動神經元的放電情況，預測生物上肢的運動方向。通過對人體運動通路的研究，生物學家們發現小腦對運動控制的修正作用。本發明的類人機器人上肢運動模型的類神經精準控制方法就是基于以上生物機制提出的。

發明內容

針對以上問題，本發明提出了一種類人機器人上肢運動模型的類神經精準控制方法，通過較小的樣本點更新權重修正模型，降低存儲要求，而且習得的權重修正模型具有一定的泛化能力。

本發明提出的一種類人機器人上肢運動模型的類神經精準控制方法，包括模型及模板的構建、模板的選擇和控制輸出兩大部分，模型及模板的構建包括類人機器人的上肢動力學模型、運動模板庫的構建，模型及模板的構建還包括權重修正模型的建立，模板的選擇和控制輸出部分之前設置有更新權重修正模型的步驟：

建立權重修正模型：

步驟A1：設定一組運動目標點，依次對各運動目標點，基于習慣計劃理論的類神經控制方法從運動模板庫中選擇k個運動模板并計算各模板點的權重值w_i，進一步計算運動目標點的控制信號u，依據控制信號u執行第一輪上肢運動，計算該輪執行結果中終點位置與對應運動目標點的誤差error₁；

步驟A2：依據第一輪上肢運動的每一個終點位置與對應運動目標點和各模板下的運動參考點的坐標的相對位置，對權重值w_i進行離線修正，得到修正后的權重值w′_i；

步驟A3：依次對各運動目標點，根據修正后的各權重值w′_i計算各運動目標點的控制信號u′，依據控制信號u′執行第二輪上肢運動，計算該輪執行結果中終點位置與對應運動目標點的誤差error₂；

步驟A4：依據誤差error₁和誤差error₂的變化趨勢進行樣本篩選，保存誤差減小的運動目標點的運動信息，建立樣本庫；

步驟A5：根據樣本庫中的信息建立初始的權重修正模型；

更新權重修正模型：

步驟B1：指定一批新的運動目標點，基于習慣計劃理論的類神經控制方法，并結合權重修正模型執行一輪上肢運動，計算該輪運動中運動終點坐標與運動目標點坐標的誤差的平均值error_mean；