[发明专利]机器人驱控一体系统的自适应建模方法

摘要

本发明涉及机器人驱控一体系统的技术领域，公开了机器人驱控一体系统的自适应建模方法，包括以下步骤：1)、根据机器人的设计模型，获得机器人的各个关节的运动学模型以及动力学参数；2)、通过牛顿欧拉法，根据逆动力学模型、以及当前规划的位置、速度以及加速度，计算出下发的力矩；3)、通过降维方法将机器人驱控一体系统降维至N阶系统，得到其状态方程；4)、设置可调自适应律，通过深度学习算法进行优化，选取指数加减速曲线作为激励轨迹；将机器人的关节的动力学参数考虑在内，与机器人的动态性能结合，将机器人的驱动和控制系统一体化建模，并达到模型的精准匹配，证明机器人驱控一体系统的自适应建模方法有效。

主权项

1.机器人驱控一体系统的自适应建模方法，其特征在于，包括以下步骤：1)、根据机器人的设计模型，获得机器人的各个关节的运动学模型以及动力学参数，所述动力学参数包括惯量张量(I)，静力矩(MX、MY、MZ)、质量(M)、电机转子惯量(Iz)以及摩擦力模型里的粘性摩擦系数(Fv)和库伦摩擦系数(Fs)；2)、通过牛顿欧拉法，根据逆动力学模型、以及当前规划的位置、速度以及加速度，计算出下发的力矩：其中，q,分别是广义的关节位置、速度和及速度的向量，M是关节的空间惯量就矩阵，C是科氏力和向心力耦合矩阵，F为摩擦力，G是重力负荷，Q是与广义坐标q对应的广义驱动力向量；J(q)^Tf是施加在机器人末端执行器上的力旋量所产生的关节力，J是机械臂的雅可比矩阵；3)、通过降维方法将机器人驱控一体系统降维至N阶系统，得到其状态方程为：其中，x(t)∈Rⁿ为机器人驱控一体系统的状态变量，u(t)∈R^m为机器人驱控一体系统的输入量，y(t)∈R^r为机器人驱控一体系统的输出量，A∈R^n×n为机器人驱控一体系统矩阵，B∈R^n×m为机器人驱控一体系统的输入矩阵，C∈R^r×n为为机器人驱控一体系统矩阵的输出矩阵；4)、设置可调自适应律，通过深度学习算法进行优化，选取指数加减速曲线作为激励轨迹，如下：v_max为机器人运行的最大速度。