[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

摘要

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，在笛卡尔空间中给定机器人末端执行器的期望轨迹rd(t)，并给出各个关节的期望回拢角度θd(0)；对于机器人的重复运动，采用渐近收敛性能指标，通过将冗余机器人轨迹规划的二次优化问题转化为时变矩阵方程求解问题，以椭圆型终态神经网络作为求解器。本发明在初始位置偏移的情况下，实现冗余机器人快速有限时间收敛的重复运动规划任务。本发明提供一种具有有限时间收敛、计算精度高、易于实现的基于椭圆型终态神经网络的冗余机器人运动规划方法。

主权项

1.一种基于椭圆型终态神经网络的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机器人末端执行器的期望轨迹rd(t)，并给出各个关节的期望回拢角度θd(0)；2)对于重复运动的机器人，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≠θd(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、分别表示冗余机械臂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)表示各个关节角与初始期望关节角位移偏差，r_d表示机械臂末端执行器期望的运动轨迹，表示末端执行器期望的速度向量；由于机械臂的初始位置可能不在期望的轨迹上，通过减小末端执行器期望路径与实际运动轨迹位置间的误差r_d‑f(θ)，改变末端执行器的运动方向，β_r＞0表示位置的参数增益，用来调节末端执行器运动到期望路径的速率；J(θ)是冗余机械臂雅可比矩阵，f(θ)是冗余机械臂实际运动轨迹；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，Eij(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(Eij(t),σ)分段函数分段边界；式(2)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|Eij(t)|≤σ时，从Eij(0)到Eij(t)＝0变化，收敛时间满足当|Eij(t)|＞σ时，从Eij(0)到Eij(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，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(3)，给出椭圆型终态神经网络方程通过神经网络计算过程，得到机器人各个关节角度。