[发明专利]一种基于自适应最优化方法的机器人导纳控制系统

说明书

本发明公开了一种基于自适应最优化方法的机器人导纳控制系统，包括如下步骤：基于广义动量的方法，由力观测器得出机械臂受到的外部力矩；利用自适应最优控制得到最优导纳模型；将观测力矩输入到最优导纳模型中可以得到用于适应外部力矩的机械臂修正参考轨迹；设计基于神经网络的自适应控制器使跟踪误差达到满意值；最终使得代价函数值最小。本发明相比于传统的机器人与环境交互控制系统，可以有效地减少由于力传感器设备的加入给系统带来的不便，同时利用自适应最优导纳控制的方法可以更好的让机器人产生适应于外界环境的交互行为。

技术领域

本发明涉及机器人与未知环境交互控制领域，尤其涉及一种基于自适应最优化方法的机器人导纳控制系统。

背景技术

在人工智能的大环境下，机器人技术的发展对科技的进步有重要的影响。在人工智能的相关产业，如工业生产、军事、医疗、娱乐等行业，对机器人在更广泛、复杂的工作场景中的应用提出了更高的要求。机器人在完成任务过程中需要与外部环境进行交互，随着机器人技术的发展和对自主性要求的不断提高，机器人在未知环境下的交互控制得到了更多的关注。

目前，针对机器人与外部环境交互控制的研究主要有以下方法：(1) 基于阻抗控制的方法，利用机器人阻抗模型，建立外力与机器人位置的关系，设计控制器调节机械阻抗。 （2）基于导纳控制的方法，利用机械人的导纳模型，建立外力与机器人位置的关系，根据机器人受到的外力，不断调节机器人的参考轨迹，使机器人尽管在外力的作用下也能达到良好的交互效果。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种基于自适应最优化方法的机器人导纳控制系统。利用状态空间观测器得到外部施加在机械臂末端力矩的估计值，利用自适应最优控制方法得到最优导纳模型，将外力的估计值输入到导纳模型中得到一条适应于外部力矩的修正参考轨迹，最后通过自适应神经网络控制器达到满意的控制效果。

为解决上述技术问题，本发明提供如下技术方案：基于自适应最优化方法的机器人导纳控制系统，包括如下步骤：

S1、根据广义动量方法和机械臂动态方程，构建状态空间力观测器；

S2、利用自适应最优控制方法，得到适应于外部力矩的最优导纳模型并将观测到力矩的数值输入到导纳模型中，得到适应于外力矩的修正后参考轨迹；

S3、设计自适应神经网络控制器使机械臂实际运动轨迹可以很好地跟踪修正后的参考轨迹；

进一步地，所述步骤S1中n连杆机械臂的动力学方程为

其中，，系统的惯性矩阵、科氏力矩阵和重力项。、 分别表示加速度、速度和关节角向量。，。

进一步地，机械臂的广义动量表示为

进一步地，动量的一阶微分方程为

进一步地，定义外部力矩的模型

其中，

进一步地，构建状态空间观测器

=

y=

其中.

进一步地，所述步骤S2具体为：

S21、一般情况下，可以将外部环境看作一个一阶或者二阶弹簧-阻尼系统；

S22、在关节空间中，机械臂的导纳模型为

。