[發明專利]基于自適應動態規劃的機械臂最優跟蹤控制方法、系統、處理設備、存儲介質

有效

• 申請號: 202110648754.8
• 申請日: 2021-06-10
• 公開（公告）號: CN113219842B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 王桐;王雨佳;邱劍彬;紀文強
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 合肥市浩智運專利代理事務所(普通合伙) 34124
• 代理人: 張景云

本發明公開一種基于自適應動態規劃的機械臂最優跟蹤控制方法，采用自適應動態規劃技術，針對機械臂系統設計了一種最優跟蹤控制方案。首先，建立機械臂系統模型；其次，設計關于跟蹤誤差的新型無限域性能指標；接著，利用自適應動態規劃技術和神經網絡技術設計出近似最優跟蹤控制器。本發明解決了強化學習在設計最優跟蹤控制器時，對被控系統的限制，同時，簡化了跟蹤控制器的步驟。

技術領域

本發明涉及最優跟蹤技術領域，具體來說是一種基于自適應動態規劃的機械臂最優跟蹤控制方法、系統、處理設備、存儲介質。

背景技術

在工程應用中，本實施例不僅希望被控對象在設計的控制器下經過一段時間達到穩定，同時更希望設計的控制器是要求的性能指標下最優的。為了解決這一難題，最優控制的思想被引入。然而當設計最優跟蹤控制器時，為了保證性能指標是有界的，一般會把最優控制方案分為兩步進行設計，一步是設計穩態控制器，一步設計誤差反饋控制器。這樣設計出來的最優控制器嚴格的說是相對于誤差動態系統最優的，而不是相對于原系統最優的。同時，還要求被控對象含有零平衡點，這給基于自適應動態規劃技術設計最優控制器帶來了很多的限制。

綜上所述，現有的最優控制方案仍然存在以下幾個難題：

1)如何設計關于原系統的最優跟蹤控制器。

2)如何設計被控對象不含零平衡點的最優跟蹤控制器。

如申請號為202010572028.8公開的一種基于強化學習的導彈縱向姿態控制算法，該方法設計了一種基于強化學習的導彈縱向姿態控制算法。該方案首先建立導彈縱向姿態的數學模型，并基于這個建立的模型設計與跟蹤誤差相關的性能指標函數，利用最優控制理論，設計最優的姿態跟蹤控制器。該方法存在以下缺點：

1)被控對象含有零平衡點。

2)跟蹤控制器設計分為兩部分，過程復雜

又如申請號為201810799985.7公開的一種基于自適應動態規劃的分布式最優協同容錯控制方法；該方法利用自適應動態規劃技術設計了一種分布式最優容錯控制方案。首先建立大規模被控對象的模型；接著利用最優控制理論設計最優控制器；最后，設計估計器估計系統中發生的未知故障，進而設計一種分布式最優容錯控制方法。該方法存在以下缺點：

1)此方案缺少仿真驗證或者實驗驗證；

2)此方案被控對象含有零平衡點。

發明內容

本發明所要解決的技術問題在于采用自適應動態規劃技術，針對機械臂系統設計了一種最優跟蹤控制方案。

本發明通過以下技術手段實現解決上述技術問題的：

基于自適應動態規劃的機械臂最優跟蹤控制方法，包括以下步驟：

步驟1、建立機械臂系統的數學模型；

步驟2、設計關于跟蹤誤差的新型無限域性能指標并利用自適應動態規劃技術設計最優跟蹤控制器；

步驟3、利用神經網絡計算求得近似最優控制器

步驟4、仿真驗證所提方法的有效性。

進一步的，所述步驟1具體為：

建立機械臂系統的數學模型如下

其中，是對稱正定矩陣，代表力矩陣，代表重力向量，代表角度向量，它的一階和二階導數用符號和表示，分別代表角速度向量和角加速度向量，τ∈R²代表系統的控制輸入。

進一步的，所述步驟2具體為：設計關于跟蹤誤差的新型無限域性能指標并利用自適應動態規劃技術設計最優跟蹤控制器