[發(fā)明專利]一種基于深度學(xué)習(xí)的機(jī)器人動(dòng)力學(xué)建模方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810408136.4
• 申請(qǐng)日: 2018-04-28
• 公開（公告）號(hào): CN108621159B
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 邵振洲;孫鵬飛;渠瀛;關(guān)永;施智平;王曉東
• 申請(qǐng)（專利權(quán)）人: 首都師范大學(xué)
• 主分類號(hào): B25J9/16
• 分類號(hào): B25J9/16
• 代理公司: 北京永創(chuàng)新實(shí)專利事務(wù)所 11121
• 代理人: 冀學(xué)軍

本發(fā)明公開了一種基于深度學(xué)習(xí)的機(jī)器人動(dòng)力學(xué)建模方法，屬于智能機(jī)器人領(lǐng)域，收集數(shù)據(jù)劃分為訓(xùn)練集和數(shù)據(jù)集，構(gòu)建動(dòng)力學(xué)模型搭建RNN循環(huán)神經(jīng)網(wǎng)絡(luò)；按時(shí)間步劃分訓(xùn)練集輸入到輸入隱藏層，轉(zhuǎn)化為三維數(shù)據(jù)到達(dá)GRU cell層，把當(dāng)前輸入的信息與之前的信息相結(jié)合，計(jì)算前一時(shí)刻的狀態(tài)信息參與到新生成的狀態(tài)的比例；然后將計(jì)算得到的當(dāng)前的候選狀態(tài)和前一個(gè)時(shí)間步時(shí)刻的信息通過更新門選擇，得到當(dāng)前時(shí)刻的隱藏層狀態(tài)，傳遞到下一時(shí)間步，輸出到輸出隱藏層，得到預(yù)測(cè)值小于等于誤差閾值采集的真實(shí)結(jié)果，為最優(yōu)值。最后利用數(shù)據(jù)集對(duì)GRU門控循環(huán)單元網(wǎng)絡(luò)進(jìn)行檢測(cè)。本發(fā)明提高扭矩預(yù)測(cè)的精度，大大減小輸入信號(hào)的訓(xùn)練時(shí)間，減小了傳統(tǒng)反向傳播的梯度誤差。

技術(shù)領(lǐng)域

本發(fā)明屬于智能機(jī)器人領(lǐng)域，具體是一種基于深度學(xué)習(xí)的機(jī)器人動(dòng)力學(xué)建模方法。

背景技術(shù)

機(jī)器人動(dòng)力學(xué)模型的重要應(yīng)用是控制機(jī)器人，通過動(dòng)力學(xué)方程可以準(zhǔn)確地計(jì)算出機(jī)器人運(yùn)動(dòng)需要的力矩；但是，由于擾動(dòng)、彈性、非線性摩擦以及負(fù)載變化等因素的影響，很多動(dòng)力學(xué)模型的參數(shù)難以被確定，傳統(tǒng)的動(dòng)力學(xué)方法(如拉格朗日、牛頓歐拉、凱恩)很難對(duì)機(jī)器人進(jìn)行精準(zhǔn)的動(dòng)力學(xué)建模，無(wú)法滿足精準(zhǔn)的實(shí)際應(yīng)用。

近些年來(lái)，深度學(xué)習(xí)的發(fā)展使得這一問題的解決迎來(lái)了轉(zhuǎn)機(jī)；神經(jīng)網(wǎng)絡(luò)具有極強(qiáng)的非線性映射能力，通過訓(xùn)練一定數(shù)量的數(shù)據(jù)，使得在建模的過程中不用人為的考慮不確定性因素的影響，可以很好提高機(jī)器人動(dòng)力學(xué)模型的預(yù)測(cè)精度。

目前應(yīng)用的ESN(Echo State Network，回聲狀態(tài)網(wǎng)絡(luò))機(jī)器學(xué)習(xí)算法已經(jīng)應(yīng)用于推斷機(jī)器人的結(jié)構(gòu)和環(huán)境特征，模擬復(fù)雜的機(jī)器人系統(tǒng)；該算法包括兩個(gè)隱藏層：自組織層和遞歸層，它是一個(gè)實(shí)時(shí)的機(jī)器人模型學(xué)習(xí)算法，能夠很好的適應(yīng)環(huán)境的變化。但是，該ESN機(jī)器學(xué)習(xí)算法沒有充分考慮輸入信號(hào)的特性，通常忽略輸出反饋連接。因此，ESN的回波狀態(tài)特性在一定時(shí)間內(nèi)不能完全滿足，不能提供更高的精度和更快的收斂速度進(jìn)行時(shí)間序列預(yù)測(cè)。

基于動(dòng)力學(xué)模型的機(jī)器人運(yùn)動(dòng)控制需要對(duì)機(jī)器人各關(guān)節(jié)扭矩實(shí)時(shí)精確預(yù)測(cè)，對(duì)于實(shí)現(xiàn)機(jī)器人功能完美性和安全性是必要的；機(jī)器人動(dòng)力學(xué)模型是變化的，由于輸入信號(hào)的不斷變化和機(jī)器人系統(tǒng)的非線性摩擦、負(fù)載變化等因素的影響，實(shí)際預(yù)測(cè)的扭矩可能和真正的運(yùn)動(dòng)扭矩有一些差別，這時(shí)需要我們對(duì)建好的動(dòng)力學(xué)模型進(jìn)行實(shí)時(shí)更新，以減小誤差，提升精度。

發(fā)明內(nèi)容

本發(fā)明為了在實(shí)時(shí)學(xué)習(xí)過程中，提高扭矩預(yù)測(cè)的精度，精確地模擬復(fù)雜的機(jī)器人系統(tǒng)；提出了一種基于深度學(xué)習(xí)的機(jī)器人動(dòng)力學(xué)建模方法。

具體步驟如下：

步驟一、針對(duì)某機(jī)器人，收集該機(jī)器人的關(guān)節(jié)位置，關(guān)節(jié)速度，關(guān)節(jié)加速度以及對(duì)應(yīng)的扭矩?cái)?shù)據(jù)，并劃分為訓(xùn)練集和數(shù)據(jù)集；

步驟二、構(gòu)建針對(duì)機(jī)器人的關(guān)節(jié)位置，關(guān)節(jié)速度和關(guān)節(jié)加速度的動(dòng)力學(xué)模型T；

矢量q表示關(guān)節(jié)位置；表示關(guān)節(jié)速度；表示關(guān)節(jié)加速度；

T表示要學(xué)習(xí)的扭矩，代表著控制關(guān)節(jié)運(yùn)動(dòng)的力(矢量)進(jìn)而控制機(jī)械臂的運(yùn)動(dòng)趨勢(shì)；M(q)表示慣性矩陣，表示結(jié)合了科氏力、向心力、摩擦力和重力的作用；表達(dá)式為：表示科氏力，表示摩擦力；g(q)表示重力。

為模擬函數(shù)，模擬其他擾動(dòng)、彈性、非線性摩擦或負(fù)載變化等因素；如：機(jī)械設(shè)計(jì)中的彈性、質(zhì)量或惰性的模型參數(shù)誤差、振動(dòng)效應(yīng)、摩擦、耦合和傳感器噪音。

步驟三、根據(jù)動(dòng)力學(xué)模型τ設(shè)置輸入向量x的目標(biāo)學(xué)習(xí)函數(shù)y；

y＝f(x)；y＝τ，x為輸入的矢量值，包括機(jī)器人的關(guān)節(jié)位置，關(guān)節(jié)速度和關(guān)節(jié)加速度。

步驟四、搭建包括輸入隱藏層，GRU cell層和輸出隱藏層的RNN循環(huán)神經(jīng)網(wǎng)絡(luò)，用于對(duì)目標(biāo)學(xué)習(xí)函數(shù)y進(jìn)行優(yōu)化；