[发明专利]一种能抵抗周期噪声的龙格库塔型周期节律神经网络方法

摘要

本发明公开了一种能抵抗周期噪声的龙格库塔型周期节律神经网络方法，包括以下步骤：给定末端任务，采用双指标二次型优化对机械臂轨迹进行逆运动学解析，将机械臂最小转矩与角度偏移二范数平方的加权和指标的二次型优化方案转化为一个标准的二次规划问题，并利用连续时间周期节律神经网络求解此卡罗需‑库恩‑塔克最优化条件，得到连续时间模型，利用龙格库塔法得到离散周期节律神经网络，并用该神经网络求解得到原二次规划问题的离散解。最后，将结果传递给机械臂控制器，驱动机械臂跟踪轨迹。本发明设计的离散周期节律神经网络，具有抑制网络模型中周期性噪声的能力，并且能够消除机械臂的初始误差对运动规划的影响，成功规划机械臂运动。

主权项

1.一种能抵抗周期噪声的龙格库塔型周期节律神经网络方法，其特征在于，包括以下步骤：S1、给定机械臂末端任务，采用双指标的二次型优化模型对机械臂轨迹进行解析；S2、将步骤S1中二次型优化模型转化为二次规划问题；S3、将步骤S2中的二次规划问题转化为卡罗需‑库恩‑塔克最优化条件的求解；S4、在周期性噪声环境下使用连续时间周期节律神经网络动力学方程对步骤S3的卡罗需‑库恩‑塔克最优化条件求解得连续时间微分方程；S5、利用线性单步法离散化步骤S4的连续时间微分方程，得到离散化周期节律神经网络并得到二次型优化模型的离散解；S6、将步骤S5中求解得到的结果传递给机械臂控制器，驱动冗余度机械臂本体进行轨迹跟踪。