[發(fā)明專利]基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機(jī)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(jì)）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

本發(fā)明屬于智能機(jī)器人控制、時變非線性系統(tǒng)控制領(lǐng)域，具體涉及一種基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機(jī)器人模型預(yù)測控制方法、系統(tǒng)、裝置，旨在解決存在模型不確定性以及輸入約束的情況下，機(jī)械臂的最優(yōu)跟蹤控制問題。本系統(tǒng)方法包括：計(jì)算跟蹤誤差；通過動作網(wǎng)絡(luò)獲取預(yù)測控制率，并更新動作?評價(jià)網(wǎng)絡(luò)的權(quán)重值；判斷i是否大于設(shè)定的預(yù)測時長，若是，則判斷動作?執(zhí)行網(wǎng)絡(luò)權(quán)重變化是否滿足閾值或迭代次數(shù)大于最大迭代次數(shù)，若是，則通過動作網(wǎng)絡(luò)計(jì)算機(jī)械臂t_k?t_k+1時刻的實(shí)際控制率，作用于機(jī)械臂，否則通過預(yù)構(gòu)建的預(yù)測模型獲取t_k+i+1時刻的跟蹤誤差，并循環(huán)獲取預(yù)測控制率；循環(huán)生成實(shí)際控制率，直至機(jī)械臂到達(dá)設(shè)定的目標(biāo)位置。本發(fā)明提高了機(jī)器人模型預(yù)測控制的性能。

技術(shù)領(lǐng)域

本發(fā)明屬于智能機(jī)器人控制、時變非線性系統(tǒng)控制領(lǐng)域，具體涉及一種基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機(jī)器人模型預(yù)測控制方法、系統(tǒng)、裝置。

背景技術(shù)

模型預(yù)測控制是一種有效的最優(yōu)控制策略。機(jī)器人的模型預(yù)測控制是機(jī)器人應(yīng)用領(lǐng)域的一個復(fù)雜問題，一方面由于機(jī)器人結(jié)構(gòu)的高耦合性和復(fù)雜性，導(dǎo)致實(shí)際機(jī)器人系統(tǒng)動態(tài)存在大量的不確定性，如嚴(yán)格的非線性、未知的環(huán)境、未知的系統(tǒng)參數(shù)等；另一方面由于機(jī)器人的系統(tǒng)特性，對模型預(yù)測控制求解的實(shí)時性提出較高要求。

針對系統(tǒng)動態(tài)存在不確定性的問題，傳統(tǒng)解決方法主要包括：(1)對于已知或部分已知的系統(tǒng)動態(tài)，將其表達(dá)為帶有擾動的標(biāo)稱系統(tǒng)，利用標(biāo)稱系統(tǒng)動態(tài)構(gòu)造預(yù)測模型，通過魯棒模型預(yù)測控制、Tube-模型預(yù)測控制、最大-最小模型預(yù)測控制或者擾動觀測器等方法補(bǔ)償擾動。然而此類方法需要明確已知的標(biāo)稱系統(tǒng)動態(tài)，對系統(tǒng)動態(tài)完全未知的機(jī)器人系統(tǒng)來說難度較大；(2)利用神經(jīng)網(wǎng)絡(luò)、模糊網(wǎng)絡(luò)等方法構(gòu)造預(yù)測模型。然而多數(shù)此類模型都需要進(jìn)行離線訓(xùn)練或者預(yù)訓(xùn)練，不適合在線解決機(jī)器人系統(tǒng)不確定性帶來的控制難題；(3)結(jié)合自適應(yīng)神經(jīng)網(wǎng)絡(luò)與模型預(yù)測控制的方法。然而現(xiàn)有此類方法未針對機(jī)器人系統(tǒng)，不適合時變、耦合的，實(shí)時性要求高的機(jī)器人動態(tài)系統(tǒng)。因此設(shè)計(jì)合適的預(yù)測模型，在線補(bǔ)償機(jī)器人系統(tǒng)動態(tài)的不確定性，需要新的技術(shù)方法。

針對模型預(yù)測控制的實(shí)時性求解問題，傳統(tǒng)解決方法主要包括：(1)直接利用現(xiàn)有的優(yōu)化計(jì)算工具求解；(2)針對非線性系統(tǒng)，建立線性化模型，通過線性優(yōu)化算法，如線性二次調(diào)節(jié)器(LQR)和線性矩陣不等式(LMI)等求解；(3)利用智能算法，如遺傳算法，粒子群算法等求解；(4)利用神經(jīng)網(wǎng)絡(luò)，通過神經(jīng)動力學(xué)優(yōu)化的方式求解；(5)利用基于自適應(yīng)動態(tài)規(guī)劃的方法求解。但基于在線估計(jì)的預(yù)測模型求解優(yōu)化問題的方法，并在最優(yōu)控制性能和系統(tǒng)穩(wěn)定性間取得平衡，仍然值得深入研究。因此，設(shè)計(jì)新的機(jī)器人模型預(yù)測控制方法，對于提高系統(tǒng)不確定性的在線估計(jì)性能，提高實(shí)時控制能力，實(shí)現(xiàn)最優(yōu)控制性能與系統(tǒng)穩(wěn)定性的平衡具有重要意義。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中的上述問題，即為了解決現(xiàn)有針對機(jī)器人系統(tǒng)的模型預(yù)測控制方法無法在線擬合不確定性并有效求解優(yōu)化問題，實(shí)現(xiàn)最優(yōu)性與穩(wěn)定性的平衡，導(dǎo)致機(jī)器人控制性能較差的問題，本發(fā)明第一方面，提出了一種基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機(jī)器人模型預(yù)測控制方法，該方法包括：

步驟S10，獲取機(jī)械臂t_k時刻的實(shí)際位置、實(shí)際速度以及期望位置、期望速度，計(jì)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(jià)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(jià)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；