买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学;佛山纽欣肯智能科技有限公司

摘要：本发明公开了一种基于外环速度补偿的封闭机器人任务空间学习控制方法、存储介质及机器人，方法包括：建立具有内部速度PI控制器的封闭机器人动力学和运动学模型，并构建期望的末端周期轨迹；设计自适应神经网络速度补偿控制指令，利用确定学习理论获取经验知识，并通过参数收敛性质获取机器人运动学知识；基于所获知识设计速度补偿学习控制指令。本发明所设计方法通过分离封闭机器人动力学和运动学，在运用确定学习理论实现系统经验知识获取的基础上，保证了未知运动学参数的收敛，实现了学习控制算法在具有未知动力学和运动学封闭机器人系统上的应用，基于所获知识设计的速度补偿学习控制指令，在节省计算资源的同时提升了机器人暂态跟踪性能。

主权项：1.基于外环速度补偿的封闭机器人任务空间学习控制方法，其特征在于，包括下述步骤：S1、建立具有内部速度PI控制器的封闭机器人动力学模型和运动学模型，并构建期望的末端周期轨迹；步骤S1中，所述封闭机器人动力学模型，具体为： 其中，Mq为封闭机器人的未知惯性矩阵，该矩阵对称且一致正定，为封闭机器人的未知科氏力和离心力矩阵，Gq为封闭机器人的未知重力向量，u为封闭机器人内部速度PI控制器，K为封闭机器人系统内部控制增益，为未知常值对角正定矩阵，q是封闭机器人关节角位置，是封闭机器人关节角速度；S2、运用动态布置神经元的方式构建神经网络，结合李雅普诺夫稳定性理论设计自适应神经网络速度补偿控制指令，利用确定学习理论将收敛后的神经网络权值保存为常值权值并通过参数收敛性质将收敛后的未知运动学参数估计值保存为常值运动学参数所述自适应神经网络速度补偿控制指令如下： 其中，α1为封闭机器人系统虚拟控制器，为封闭机器人关节参考速度，为自适应神经网络速度补偿控制指令，z1为封闭机器人末端跟踪误差，x1为封闭机器人末端在任务空间的位置，xd1为封闭机器人末端期望的任务空间位置周期轨迹，为封闭机器人末端期望的任务空间速度周期轨迹，为被估计雅可比矩阵的逆，为未知运动学参数ak的估计值，为神经网络权值的估计值，Φβ＝[φ1||β-θ1||,…,φN||β-θN||]T为神经网络高斯型径向基函数，θk为中心点，ρk为宽度，N为神经网络布点数，为神经网络的输入，q为封闭机器人关节的角位置，为封闭机器人的关节角速度，qc为对积分得到的位置补偿控制指令，为封闭机器人关节参考速度的导数，c1为α1中的正常数控制增益，c2为中的正常数控制增益,s为控制器设计过程中的中间误差变量；ΦTβ代表向量Φβ的转置，代表向量的转置，即T表示转置；所述神经网络权值的更新律为： 其中，γ1为神经网络权值更新律的增益项，σ1为神经网络权值更新律的设计常数；所述未知运动学参数估计值的更新律为： 其中，为封闭机器人运动学回归矩阵，γ2为未知运动学参数更新律的增益项，σ2为未知运动学参数更新律的设计常数；步骤S2中，运用动态布置神经元的方式构建神经网络，具体为：S21、定义新增神经元参数：P＝＜θp,ρp,Wp＞其中，θp,ρp,Wp分别为新增神经元的中心、宽度和权值；S22、定义新增神经元的中心： 其中，是神经元集合Cmin的平均中心位置，Cmin为由距离当前输入最近的l个神经元构成的集合，λ为决定新增神经元与集合Cmin距离的可设计参数；S23、判断是否新增神经元：定义可调阈值ν，当神将网络输入β与神经元集合Cmin的平均中心位置大于阈值时，按照已设置的参数定义新增神经元；S3、利用常值权值和常值运动学参数设计常值神经网络速度补偿控制指令：

全文数据：

权利要求：

百度查询： 华南理工大学 佛山纽欣肯智能科技有限公司 基于外环速度补偿的封闭机器人任务空间学习控制方法、存储介质及机器人