[發明專利]一種基于Scara機械臂的神經網絡優化控制方法

在審

• 申請號: 202011145279.4
• 申請日: 2020-10-23
• 公開（公告）號: CN114488783A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 呂永峰;田建艷
• 申請（專利權）人: 太原理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京一品慧誠知識產權代理有限公司 11762
• 代理人: 鄧樹山

1.一種基于Scara機械臂的神經網絡優化控制方法，其特征在于：

首先應用多層神經網絡逼近Scara機械臂系統的性能指標函數和自適應律更新隱含層神經網絡權值；其次根據多層神經網絡設計機械臂反饋控制；再根據穩態控制和機械臂反饋控制設計神經網絡化控制器；最后根據控制器求解輸入力矩，調節電機電壓。

2.如權利要求1所述的基于Scara機械臂的神經網絡優化控制方法，其特征在于，所述方法具體步驟如下：

步驟一、建立Scara機械臂的數學模型，

對Scara機械臂進行分析，并根據機械臂的結構和物理定律利用歐拉-拉格朗日公式，可知Scara機械臂的數學模型：

其中，表示機械臂關節的角位置，表示機械臂關節的角速度，機械臂關節的角加速度，n表示機械臂自由度數量，M(q)表示機械臂的可逆慣性矩陣，表示向心力向量或者科氏力，G(q)為重力向量，為輸入力矩；

步驟二、設計穩態控制器，

基于機械臂系統和參考運動軌跡設計穩態控制，給定機械臂關節轉角的參考運動軌跡q_d，則穩態控制器為：

步驟三、根據給定于跟蹤誤差的性能指標，應用神經網絡逼近最優性能指標，設計神經優化控制器，

定義跟蹤誤差給定關于機械臂關節位置和速度跟蹤誤差的性能指標為

V(e)＝∫_t^∞r(e(τ),u_e(τ))dτ (3)

其中為效用函數，u_e為近似反饋控制，Q和R分別是維數與跟蹤誤差e和近似反饋控制u_e相匹配的正定對稱矩陣，則性能指標函數可以表示為

機械臂系統(1)的誤差動態方程為

針對機械臂系統(5)設計近似反饋控制u_e最小化性能指標函數(3)，則哈密爾頓-雅克比-貝爾曼方程可以構建為

其中用三層神經網絡逼近

其中，為神經網絡權重收斂后的值,φ(Z)＝tanh(Z)為隱層激活函數，ε(e)為逼近誤差，是隨機給定的[-1,1]之間隱層和輸入層之間的神經網絡權值，k表為隱層神經元個數，κ(e)為神經網絡輸入，

本發明定義是W的近似值，為的近似值，則可得

則可得近似的哈密爾頓-雅克比-貝爾曼方程

式中e_h表示冗余誤差，給定下列目標函數：

則近似神經網絡權值的自適應律設計為：

式中η＞0是學習增益，

令可得近似神經網絡優化反饋控制u_e：

最后，根據穩態控制(2)和近似神經網絡優化反饋控制(12)，近似神經網絡優化控制器u(t)可以設計為：

u(t)＝u_d+u_e (13)。