[發(fā)明專利]一種卷積神經(jīng)網(wǎng)絡(luò)的半?yún)?shù)化工業(yè)機(jī)器人動力學(xué)建模方法

在審

• 申請?zhí)枺?/td>: 202011299388.1
• 申請日: 2020-11-19
• 公開（公告）號: CN112327630A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 莊春剛;姚逸輝;沈逸超;熊振華;朱向陽
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 上海旭誠知識產(chǎn)權(quán)代理有限公司 31220
• 代理人: 鄭立

1.一種卷積神經(jīng)網(wǎng)絡(luò)的半?yún)?shù)化工業(yè)機(jī)器人動力學(xué)建模方法，其特征在于，包括以下步驟：

步驟1、建立工業(yè)機(jī)器人的動力學(xué)模型；

步驟2、采用五次傅里葉級數(shù)作為激勵軌跡，并加入位置、速度和加速度約束；

步驟3、根據(jù)所述步驟2中得到的激勵軌跡采集各個關(guān)節(jié)的電流和編碼器信息，用巴特沃斯低通濾波器對上述關(guān)節(jié)信息進(jìn)行濾波，并通過對角速度進(jìn)行數(shù)值微分得到各個所述關(guān)節(jié)的加速度；

步驟4、通過機(jī)器人動力學(xué)方程計(jì)算各個采樣點(diǎn)的觀測矩陣和轉(zhuǎn)矩矩陣并且組成總的觀測矩陣Y和轉(zhuǎn)矩矩陣T；

步驟5、引入約束矩陣D，在滿足D半正定的條件下使用線性矩陣不等式與半定規(guī)劃算法(LMI-SDP)求解動力學(xué)模型參數(shù)π，滿足動力學(xué)參數(shù)的物理可行性；

步驟6、選取用于獲取誤差數(shù)據(jù)集的運(yùn)動軌跡，與所述步驟3類似地得到關(guān)節(jié)信息；

步驟7、利用所述步驟5中得到的所述動力學(xué)模型參數(shù)π回代入動力學(xué)方程，得到用于獲取誤差數(shù)據(jù)集的運(yùn)動軌跡下的關(guān)節(jié)計(jì)算力矩值；

步驟8、將所述步驟6中采集得到的關(guān)節(jié)力矩值減去所述步驟7中的所述關(guān)節(jié)計(jì)算力矩值作為誤差；

步驟9、針對每個關(guān)節(jié)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，構(gòu)建關(guān)節(jié)誤差模型；

步驟10、模型驗(yàn)證。

2.如權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)的半?yún)?shù)化工業(yè)機(jī)器人動力學(xué)建模方法，其特征在于，所述步驟2中的五次傅里葉級數(shù)如下：

其中i表示第i關(guān)節(jié)，ω為傅里葉級數(shù)的基頻，a_ik，b_ik分別表示k階i關(guān)節(jié)的正弦、余弦系數(shù)，q_i0表示i關(guān)節(jié)對應(yīng)的常數(shù)項(xiàng)。

3.如權(quán)利要求2所述的卷積神經(jīng)網(wǎng)絡(luò)的半?yún)?shù)化工業(yè)機(jī)器人動力學(xué)建模方法，其特征在于，所述五次傅里葉級數(shù)激勵軌跡需要滿足如下約束：

其中f_obj為優(yōu)化目標(biāo)函數(shù)，其物理意義在于使得各采樣點(diǎn)觀測矩陣Y的時間平均條件數(shù)最小，并且滿足各關(guān)節(jié)的角度、角速度和角加速度不超過極限值。

4.如權(quán)利要求3所述的卷積神經(jīng)網(wǎng)絡(luò)的半?yún)?shù)化工業(yè)機(jī)器人動力學(xué)建模方法，其特征在于，所述機(jī)器人動力學(xué)方程：

其中M(q)表示慣性矩陣，表示科里奧利力和離心力矩陣，G(q)表示重力項(xiàng)，表示摩擦力項(xiàng)，為關(guān)節(jié)角加速度矢量，為關(guān)節(jié)角速度矢量，q為關(guān)節(jié)角度矢量；

進(jìn)行線性化簡化后得到：

其中即為單個采樣點(diǎn)對應(yīng)的觀測矩陣，π為待辨識的動力學(xué)參數(shù)。

5.如權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)的半?yún)?shù)化工業(yè)機(jī)器人動力學(xué)建模方法，其特征在于，所述步驟4中總的觀測矩陣Y和轉(zhuǎn)矩矩陣T如下：

式中，Y_i為第i個采樣點(diǎn)的觀測矩陣，τ_i為第i個采樣點(diǎn)的關(guān)節(jié)轉(zhuǎn)矩矩陣。

6.如權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)的半?yún)?shù)化工業(yè)機(jī)器人動力學(xué)建模方法，其特征在于，所述步驟5中約束矩陣D的定義如下：

D＝diag(D₁(δ₁),D₂(δ₂),…,D_N(δ_N),f_v1,f_c1,f_v2,f_c2,…f_vN,f_cN)

其中D_i(δ_i)定義如下：

式中L表示慣性矩，l表示質(zhì)心位置，m表示連桿質(zhì)量，ε為任意一個小的正常數(shù)，E為單位矩陣；

其中f_vi和f_ci為粘滯摩擦系數(shù)和庫侖摩擦系數(shù)，摩擦力模型如下：

7.如權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)的半?yún)?shù)化工業(yè)機(jī)器人動力學(xué)建模方法，其特征在于，所述步驟9中的卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包含輸入層、卷積層、全連接層和丟棄層。