[發明專利]一種非線性約束的原對偶神經網絡機器人動作規劃方法

有效

• 申請號: 201711174977.5
• 申請日: 2017-11-22
• 公開（公告）號: CN108015766B
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 張智軍;陳思遠
• 申請（專利權）人: 華南理工大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發明公開了一種非線性約束的原對偶神經網絡機器人動作規劃方法，包括步驟：獲取機器人當前狀態并采用二次型優化方案在速度層上對機器人軌跡進行逆運動學解析；將二次型優化方案轉化為一個二次規劃問題的標準形式；將二次規劃最優解問題等效為求解一個線性變分不等式問題；將線性變分不等式問題轉化為對一個基于非線性等式約束的分段線性投影方程的求解；利用一個非線性約束的原對偶神經網絡求解器對分段線性投影方程進行求解；將求解得到的指令傳遞給機器人指令輸入端口，驅動機器人進行路徑跟隨。本發明方法能夠兼容凸集合約束與非凸集合約束，消除機器人控制中所出現的初始誤差問題，克服機器人控制過程中的誤差積累問題。

技術領域

本發明涉及機器人運動規劃與控制技術領域，特別涉及一種非線性約束的原對偶神經網絡機器人動作規劃方法。

背景技術

最近幾年，工業機器人和機械臂越來越引起人們的關注。在工業制造、醫療康復、娛樂消遣、軍事研究以及空間探索中，機器人都具有獨特的意義。為了賦予機器人更多變更靈活的功能，實際應用中的機器人運動規劃與控制方法的研究扮演著獨一無二的角色。

機器人通常被分為非冗余度機器人與冗余度機器人。冗余度機器人是擁有比完成任務所需最少自由度更多自由度的機器人。因為具有更多的自由度，冗余度機器人能夠完成額外的次級任務。這也使得冗余度機器人在完成相同任務的情況下比非冗余度機器人擁有更大的靈活性和容錯性。

由于在冗余度機器人的運動學方程中，狀態變量的數量多于機器人運動學方程的數量，對于某一特定的機器人位置的解不唯一。因此冗余度機器人的逆運動學問題是一個冗余解析問題。如何實時、準確地獲得這個逆運動解是冗余度機器人運動規劃中一個挑戰性的問題。傳統的解決方法是利用偽逆矩陣進行求解，但這種方法無法解決不等式問題而且計算過程復雜，此外，在奇異的情況下傳統的偽逆的方法無法獲得合適的解。二次規劃的方法更加適用于解決這種冗余解析問題。但是，已有的二次規劃的方法大多以前向運動學方程這個線性方程作為等式約束，這會影響到冗余度機器人的解算，使其無法克服初始誤差與誤差積累問題。此外，這些方法中大多只考慮凸集約束的情況。設計一個新型的二次規劃的方法克服上述問題是很有必要的。

在基于二次規劃方法中，需要設計二次規劃求解器對其進行求解，相比于數值方法求解器，神經網絡求解器因其平行計算的特性，具有比數值方法求解器更好的實時性與精確性。很多遞歸神經網絡被應用于機器人冗余度求解問題中，但是這些神經網絡方法主要是針對凸集合約束的機器人運動規劃問題。為了增強其適用范圍，本發明提出了一種非線性等式約束下基于分段線性投影方程的原對偶神經網絡機器人動作規劃方法，這種方法可以在凸和非凸集合約束下求解機器人的逆運動學問題。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種非線性約束的原對偶神經網絡機器人動作規劃方法，能夠兼容凸集合約束與非凸集合約束，消除機器人控制中所出現的初始誤差問題，克服機器人控制過程中的誤差積累問題。

本發明的目的通過以下的技術方案實現：

一種非線性約束的原對偶神經網絡機器人動作規劃方法，包括如下步驟：

S1、基于期望任務，通過傳感器對機器人當前狀態進行獲取并采用二次型優化方案在速度層上對機器人軌跡進行逆運動學解析，二次型優化方案的性能指標為最小速度二范數且具有一個非線性等式約束與一個機器人關節角度的可行集合約束；

S2、將步驟S1中設計的基于非線性約束的機器人二次型優化方案轉化為一個二次規劃問題的標準形式；

S3、將步驟S2中求解一個標準的二次規劃最優解問題等效為求解一個線性變分不等式問題；

S4、將步驟S3中的線性變分不等式問題轉化為對一個基于非線性等式約束的分段線性投影方程的求解；

S5、利用一個非線性約束的原對偶神經網絡求解器對步驟S4的基于非線性約束的分段線性投影方程進行求解；