[發明專利]采用橢圓型終態神經網絡的冗余機器人重復運動規劃方法

有效

• 申請號: 201811063399.2
• 申請日: 2018-09-12
• 公開（公告）號: CN109159122B
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 孫明軒;吳雨芯;張鈺
• 申請（專利權）人: 浙江工業大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于橢圓型終態神經網絡的冗余機器人重復運動規劃方法，其特征在于，所述方法包括以下步驟：

1)在笛卡爾空間中給定冗余機器人末端執行器的期望的運動軌跡r_d(t)，并給出各個關節的期望關節角度θ_d(0)；

2)對于重復運動的冗余機器人，其初始關節角度為θ(0)＝θ₀，初始關節角度θ₀不同于期望關節角度，即θ₀≠θ_d(0)；

3)將冗余機器人重復運動規劃描述為二次規劃問題，給出漸近收斂性能指標，形成重復運動規劃方案：

其中，g(θ)＝-β_θ(θ(t)-θ_d(0)),θ(t)、分別表示冗余機器人的關節角度和關節角速度，β_θ是一設計參數，用來形成關節位移的動態性能；θ(t)-θ_d(0)表示各個關節角與各個關節的期望關節角度之間的關節角位移偏差，r_d(t)表示冗余機器人末端執行器期望的運動軌跡，表示冗余機器人末端執行器期望的速度向量；由于冗余機器人的初始位置可能不在期望的運動軌跡上，通過減小冗余機器人末端執行器期望的運動軌跡與實際運動軌跡位置間的誤差r_d(t)-f(θ(t))，改變冗余機器人末端執行器的運動方向，β_r＞0表示位置的參數增益，用來調節冗余機器人末端執行器運動到期望的運動軌跡的速率；J(θ(t))是冗余機器人雅可比矩陣，f(θ(t))是冗余機器人實際運動軌跡；

4)構建如下描述橢圓型終態神經網絡的動態特性方程

其中，

E_ij(t)為誤差變量，ε＞0為用于調整誤差吸引速度的常值，σ＞0為F(E_ij(t),σ)分段函數分段邊界；

式(10)是有限區間穩定的，其有限時間收斂性需分兩種情況說明：

當|E_ij(t)|≤σ時，從E_ij(0)到E_ij(t)＝0變化，收斂時間滿足

當|E_ij(t)|＞σ時，從E_ij(0)到E_ij(t)＝0變化，收斂時間滿足

5)定義拉格朗日函數

其中λ(t)∈R^m為拉格朗日乘子向量,λ^T是λ向量的轉置；通過拉格朗日函數對λ分別求偏導，并令其為零，得矩陣方程為

W(t)Y(t)＝V(t) (14)

其中，

I為具有相應維數單位矩陣；

6)為求解步驟3)中的二次規劃問題，定義誤差

E(t)＝W(t)Y(t)-V(t) (15)

根據橢圓型終態神經網絡動態特性方程式(10)，給出橢圓型終態神經網絡方程

通過神經網絡計算過程，得到冗余機器人各個關節角度。