[发明专利]机器人力控方法、装置、电子设备及可读存储介质

权利要求书

1.一种机器人力控方法，其特征在于，所述方法包括：

获得预先训练好的目标动态运动基元DMP模型，其中，所述目标DMP模型基于DMP及迭代学习控制ILC算法根据目标期望接触力及目标类型的轨迹训练得到，ILC算法用于学习向DMP模型输入的控制信号，该控制信号作为DMP模型中的与实际接触力相关的耦合项，该控制信号使得DMP模型生成的轨迹跟踪所述目标期望接触力；

利用所述目标DMP模型规划出所述目标类型的目标轨迹，以实现对所述目标期望接触力的跟踪。

2.根据权利要求1所述的方法，其特征在于，所述目标DMP模型通过以下方式训练得到：

获得基于DMP及所述目标类型的轨迹训练得到的第一DMP模型；

向所述第一DMP模型中添加与实际接触力相关的耦合项，得到第二DMP模型，其中，所述耦合项包括速度耦合项；

基于ILC算法，利用所述第二DMP模型进行轨迹规划，获得规划出的各轨迹点的实际接触力，根据各轨迹点的实际接触力及所述目标期望接触力，迭代计算和更新当前耦合项，作为下一次轨迹规划时所述第二DMP模型的耦合项，直到满足迭代停止条件。

3.根据权利要求2所述的方法，其特征在于，所述向所述第一DMP模型中添加与实际接触力相关的耦合项，得到第二DMP模型，包括：

向所述第一DMP模型中添加速度耦合项及加速度耦合项，得到所述第二DMP模型。

4.根据权利要求2所述的方法，其特征在于，所述基于ILC算法，利用所述第二DMP模型进行轨迹规划，获得规划出的各轨迹点的实际接触力，根据各轨迹点的实际接触力及所述目标期望接触力，迭代计算和更新当前耦合项，包括：

在每次迭代中，获得所述第二DMP模型规划出的各轨迹点的实际接触力，并根据所述目标期望接触力及所述各轨迹点的实际接触力，得到本次迭代的力误差序列；

根据本次迭代的力误差序列及历史迭代的力误差序列，计算得到速度耦合项；

根据得到的速度耦合项，更新当前耦合项。

5.根据权利要求4所述的方法，其特征在于，基于ILC算法进行迭代更新的迭代公式为：

其中，i表示迭代次数，F_e,i(t)表示第i次迭代中目标期望接触力F_d与实际接触力F_i的误差序列，Q、L、c₃表示常数，C_i(t)表示第i次迭代中的速度耦合项，t表示轨迹点对应的时刻。

6.根据权利要求2-5中任意一项所述的方法，其特征在于，所述获得基于DMP及所述目标类型的轨迹训练得到的第一DMP模型，包括：

采集得到所述目标类型的示教轨迹信息，其中，所述示教轨迹信息中包括各轨迹点的位置、速度及加速度；

根据预设的初始DMP模型及所述示教轨迹信息，获得所述目标类型对应的非线性力项；

根据所述目标类型对应的非线性力项及初始DMP模型，得到所述第一DMP模型。

7.一种机器人力控装置，其特征在于，所述装置包括：

模型获得模块，用于获得预先训练好的目标动态运动基元DMP模型，其中，所述目标DMP模型基于DMP及迭代学习控制ILC算法根据目标期望接触力及目标类型的轨迹训练得到，ILC算法用于学习向DMP模型输入的控制信号，该控制信号作为DMP模型中的与实际接触力相关的耦合项，该控制信号使得DMP模型生成的轨迹跟踪所述目标期望接触力；

轨迹规划模块，用于利用所述目标DMP模型规划出所述目标类型的目标轨迹，以实现对所述目标期望接触力的跟踪。