[发明专利]一种基于双神经网络的机器人动力学运动控制方法及装置

说明书

本发明公开了一种基于双神经网络的机器人动力学运动控制方法及装置，其中，所述方法包括：建立机器人数学模型，基于机器人数学模型和期望位置进行机器人末端执行器的速度修正，获得修正速度；设计第一神经网络模型，并基于机器人的关节角速度和所述机器人的末端速度在第一神经网络模型中实时输出当前机器人的关节角速度指令；在线计算机器人的参考关节角速度指令；基于关节角速度指令与参考关节角速度指令获得跟踪误差指令；设计第二神经网络模型，并基于跟踪误差指令在所述第二神经网络模型中实时输出机器人的关节控制力矩。在本发明实施例中，解决机器人动力学运动控制中空间不一致、系统非线性强耦合、传统方法依赖精确模型的问题。

技术领域

本发明涉及机器人控制技术领域，尤其涉及一种基于双神经网络的机器人动力学运动控制方法及装置。

背景技术

机器人运动控制能够实现机器人对给定轨迹任务的高精度跟踪，是机器人完成一切任务的基础。目前机器人的运动可以分为运动学控制与动力学控制两大类。运动学控制旨在求解运动层面的指令，达到控制机器人的目的，如关节角度指令、关节角速度指令等；动力学控制则考虑机器人的动力学特性，此时机器人的控制量一般为控制力矩。随着机器人的应用日益广泛，在人机交互、多机协作等任务中，纯运动指令的控制方式可能导致机器人的刚度过大，进而导致人员受伤或任务失败。相对而言动力学控制的方式直接提供机器人关节的力矩，具备天然的柔顺性。因此，基于动力学的机器人运动控制是现在机器人运动控制的重要方向。

对机器人的运动控制而言，目前存在以下几方面的挑战：一方面，机器人的运动控制问题通常关注机器人末端执行器的运动任务，而机器人的控制量则施加在各个关节，需要克服这种空间的不一致性，从而得到与末端执行器对应的关节运动指令；另一方面，由于机器人动力学模型的高度非线性、强耦合性，如何求解机器人的控制力矩实现机器人对关节运动的高精度跟踪，也是一个富有挑战性的问题。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于双神经网络的机器人动力学运动控制方法及装置，解决机器人动力学运动控制中空间不一致、系统非线性强耦合、传统方法依赖精确模型的问题。

为了解决上述技术问题，本发明实施例提供了一种基于双神经网络的机器人动力学运动控制方法，所述方法包括：

建立机器人数学模型，基于所述机器人数学模型和期望位置进行所述机器人末端执行器的速度修正，获得修正速度；

设计第一神经网络模型，并基于所述机器人的关节角速度和所述机器人的末端速度在所述第一神经网络模型中实时输出当前机器人的关节角速度指令；

基于所述修正速度和所述机器人的关节角速度在线计算所述机器人的参考关节角速度指令；

基于所述关节角速度指令与所述参考关节角速度指令获得跟踪误差指令；

设计第二神经网络模型，并基于所述跟踪误差指令在所述第二神经网络模型中实时输出所述机器人的关节控制力矩。

可选的，所述机器人数学模型如下：

x＝f(θ) (1)；

其中，θ表示机器人的关节角度；表示机器人的关节角速度；x表示机器人的末端位置；表示机器人的末端速度；f(θ)表示从机器人关节空间到末端任务空间的映射；J(θ)表示与机器人的关节角度相关的雅克比矩阵。

可选的所述基于所述机器人数学模型和期望位置进行所述机器人末端执行器的速度修正的计算公式如下：

其中，表示机器人末端执行的修正速度；表示机器人末端的期望速度；x_d表示机器人末端的期望位置；x表示机器人的末端位置；k0，表示控制常数。