[发明专利]采用椭圆型终态神经网络的冗余机器人重复运动规划方法

权利要求书

1.一种基于椭圆型终态神经网络的冗余机器人重复运动规划方法，其特征在于，所述方法包括以下步骤：

1)在笛卡尔空间中给定冗余机器人末端执行器的期望的运动轨迹r_d(t)，并给出各个关节的期望关节角度θ_d(0)；

2)对于重复运动的冗余机器人，其初始关节角度为θ(0)＝θ₀，初始关节角度θ₀不同于期望关节角度，即θ₀≠θ_d(0)；

3)将冗余机器人重复运动规划描述为二次规划问题，给出渐近收敛性能指标，形成重复运动规划方案：

其中，g(θ)＝-β_θ(θ(t)-θ_d(0)),θ(t)、分别表示冗余机器人的关节角度和关节角速度，β_θ是一设计参数，用来形成关节位移的动态性能；θ(t)-θ_d(0)表示各个关节角与各个关节的期望关节角度之间的关节角位移偏差，r_d(t)表示冗余机器人末端执行器期望的运动轨迹，表示冗余机器人末端执行器期望的速度向量；由于冗余机器人的初始位置可能不在期望的运动轨迹上，通过减小冗余机器人末端执行器期望的运动轨迹与实际运动轨迹位置间的误差r_d(t)-f(θ(t))，改变冗余机器人末端执行器的运动方向，β_r＞0表示位置的参数增益，用来调节冗余机器人末端执行器运动到期望的运动轨迹的速率；J(θ(t))是冗余机器人雅可比矩阵，f(θ(t))是冗余机器人实际运动轨迹；

4)构建如下描述椭圆型终态神经网络的动态特性方程

其中，

E_ij(t)为误差变量，ε＞0为用于调整误差吸引速度的常值，σ＞0为F(E_ij(t),σ)分段函数分段边界；

式(10)是有限区间稳定的，其有限时间收敛性需分两种情况说明：

当|E_ij(t)|≤σ时，从E_ij(0)到E_ij(t)＝0变化，收敛时间满足

当|E_ij(t)|＞σ时，从E_ij(0)到E_ij(t)＝0变化，收敛时间满足

5)定义拉格朗日函数

其中λ(t)∈R^m为拉格朗日乘子向量,λ^T是λ向量的转置；通过拉格朗日函数对λ分别求偏导，并令其为零，得矩阵方程为

W(t)Y(t)＝V(t) (14)

其中，

I为具有相应维数单位矩阵；

6)为求解步骤3)中的二次规划问题，定义误差

E(t)＝W(t)Y(t)-V(t) (15)

根据椭圆型终态神经网络动态特性方程式(10)，给出椭圆型终态神经网络方程

通过神经网络计算过程，得到冗余机器人各个关节角度。