[發(fā)明專利]基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機器人模型預(yù)測控制方法

有效

• 申請?zhí)枺?/td>: 202010698815.7
• 申請日: 2020-07-20
• 公開（公告）號: CN111618864B
• 公開（公告）日: 2021-04-23
• 發(fā)明（設(shè)計）人: 康二龍;高潔;喬紅
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京市恒有知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

1.一種基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機器人模型預(yù)測控制方法，其特征在于，該方法包括：

步驟S10，獲取機械臂t_k時刻的實際位置、實際速度以及期望位置、期望速度，計算跟蹤誤差；并初始化i為0、n_R為1；其中，i、n_R為自然數(shù)；

步驟S20，對預(yù)構(gòu)建的動作-評價網(wǎng)絡(luò)中的動作網(wǎng)絡(luò)，基于t_k+i時刻的跟蹤誤差，結(jié)合其t_k+i-1時刻的權(quán)重值，通過其獲取t_k+i-t_k+i+1時刻的控制率，作為預(yù)測控制率，并更新動作-評價網(wǎng)絡(luò)的權(quán)重值；

步驟S30，判斷i是否大于設(shè)定的預(yù)測時長，若是，則執(zhí)行步驟S40，否則基于所述預(yù)測控制率，結(jié)合t_k+i時刻的跟蹤誤差，通過預(yù)構(gòu)建的預(yù)測模型獲取t_k+i+1時刻的跟蹤誤差，并令i＝i+1，跳轉(zhuǎn)步驟S20；

步驟S40，判斷動作網(wǎng)絡(luò)、評價網(wǎng)絡(luò)權(quán)重變化的和是否小于等于設(shè)定閾值或者n_R是否 大于設(shè)定的最大迭代次數(shù)，若是，則執(zhí)行步驟S50，否則令n_R＝n_R+1，i＝0，跳轉(zhuǎn)步驟S20；所述權(quán)重變化為更新后的權(quán)重值與更新前的權(quán)重值的差；

步驟S50，基于更新的權(quán)重值，結(jié)合t_k時刻的位置誤差，通過所述動作網(wǎng)絡(luò)計算機械臂t_k-t_k+1時刻的實際控制率，作用于機械臂；

步驟S60，令k＝k+1，循環(huán)執(zhí)行步驟S10-步驟S50，直至機械臂到達(dá)設(shè)定的目標(biāo)位置；

所述預(yù)測模型、所述動作-評價網(wǎng)絡(luò)基于徑向基神經(jīng)網(wǎng)絡(luò)構(gòu)建。

2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機器人模型預(yù)測控制方法，其特征在于，所述預(yù)測模型為基于機械臂的跟蹤誤差的動態(tài)特性構(gòu)建的模型，該模型其獲取跟蹤誤差的方法為：

其中，表示t_k時刻的一階跟蹤誤差、二階跟蹤誤差，表示t_k+1時刻的一階跟蹤誤差動態(tài)、二階跟蹤誤差動態(tài)，表示預(yù)測模型的激活函數(shù)，q_d表示期望軌跡，L表示正整數(shù)，表示預(yù)測模型的權(quán)重值，表示t_k時刻的跟蹤誤差的估計偏差，τ表示預(yù)測控制率，z⁺表示增廣誤差，表示t_k時刻的左側(cè)逼近，K₁表示預(yù)設(shè)的虛擬變量參數(shù)。

3.根據(jù)權(quán)利要求2所述的基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機器人模型預(yù)測控制方法，其特征在于，所述動作網(wǎng)絡(luò)其獲取控制率的方法為：

其中，表示當(dāng)前時刻的控制率，t表示時間段，表示哈密爾頓函數(shù)，表示跟蹤誤差，表示哈密爾頓函數(shù)中控制率的參數(shù)項，表示動作網(wǎng)絡(luò)的權(quán)重值，表示動作網(wǎng)絡(luò)的激活函數(shù)，λ表示輸入約束上限值，R表示損失函數(shù)參數(shù)，表示預(yù)測模型參數(shù)，(·)^T表示轉(zhuǎn)置。

4.根據(jù)權(quán)利要求3所述的基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機器人模型預(yù)測控制方法，其特征在于，所述動作網(wǎng)絡(luò)其權(quán)重值更新方法為：

其中，表示動作網(wǎng)絡(luò)的更新變化率，α_a＞0表示動作網(wǎng)絡(luò)預(yù)設(shè)的學(xué)習(xí)率，Ξ²(·)定義為一種運算，分別對每個(·)中的元素求平方，sech表示雙曲正割函數(shù)，k_a、k_p表示動作網(wǎng)絡(luò)預(yù)設(shè)的學(xué)習(xí)參數(shù)，表示評價網(wǎng)絡(luò)的權(quán)重值。

5.根據(jù)權(quán)利要求4所述的基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機器人模型預(yù)測控制方法，其特征在于，所述評價網(wǎng)絡(luò)其計算最優(yōu)損失的方法為：

其中，表示評價網(wǎng)絡(luò)的權(quán)重值，表示評價網(wǎng)絡(luò)獲取的最優(yōu)損失值。