[发明专利]一种基于高阶自适应学习控制的康复机械手

摘要

本发明公开了一种基于高阶自适应学习控制的康复机械手，包括多个康复机械手指关节，还包括处理器，处理器包括第一获取模块、第二获取模块、第三获取模块、控制模块，通过本发明的技术方案，能够保证康复机械手在经过一定学习次数后完成对各自期望轨迹的跟踪任务，解决控制问题，且控制精度较高。

主权项

1.一种基于高阶自适应学习控制的康复机械手，包括多个康复机械手指关节，其特征在于，还包括处理器，所述处理器能够采集所述康复机械手的每次操作参数，并控制所述多个康复机械手指关节，所述处理器包括第一获取模块、第二获取模块、第三获取模块、控制模块，其中，所述第一获取模块，用于获取在第k‑1次运行过程中t时刻康复机械手指关节的模型最优梯度向量、电机控制向量和t+1时刻的弯曲角度值，第k‑2次运行过程中t时刻的电机控制向量和t+1时刻康复机械手指关节的弯曲角度值；所述第二获取模块，用于获取康复机械手指关节第k‑1次运行过程中t+1时刻的弯曲角度误差e_k(t)：e_k(t)＝y_d(t)‑y_k(t)，其中，y_d(t)为t时刻康复机械手指关节期望弯曲角度值，y_k(t)为第k次运行t时刻康复机械手指关节的实际弯曲角度值；所述第三获取模块，用于根据康复机械手指关节第k‑1次运行过程中t时刻康复机械手指关节的模型最优梯度向量、电机控制向量和t+1时刻的弯曲角度值，第k‑2次运行过程中t时刻的电机控制向量和t+1时刻康复机械手指关节的弯曲角度值获取康复机械手指关节第k次运行t时刻的模型最优梯度向量其中，μ为权重系数，η为步长因子，为第k‑1次运行t时刻康复机械手指关节的模型最优梯度向量，Δv_k‑1(t)＝v_k‑1(t)‑v_k‑2(t)为t时刻第k‑1次运行电机控制向量与第k‑2次运行电机控制向量的差值，v_k‑1(t)＝[u_k‑1(0)，u_k‑1(1)，...，u_k‑1(t)]^T为k‑1次运行t时刻的电机控制向量，u_k‑1(t)为k‑1次运行t时刻的电机控制值，v_k‑2(t)＝[u_k‑2(0)，u_k‑2(1)，...，u_k‑2(t)]^T为k‑2次运行t时刻的电机控制向量，u_k‑2(t)为k‑2次运行t时刻的电机控制值，Δy_k‑1(t+1)＝y_k‑1(t+1)‑y_k‑2(t+1)为t+1时刻第k‑1次运行康复机械手指关节弯曲角度值与第k‑2次运行康复机械手指关节弯曲角度值的差值；所述控制模块包括确定子模块和控制子模块，所述确定子模块用于根据康复机械手指关节第k次运行t时刻的模型最优梯度向量t‑1时刻的电机控制向量、第k‑1次运行t时刻的电机控制向量和第k‑1次运行过程中t+1时刻康复机械手指关节弯曲角度值的误差e_k(t)确定康复机械手指关节第k次运行t时刻的控制律：其中，λ为权重系数，ρ为步长因子，为第k次运行过程中t时刻的模型最优梯度向量的第t个值，i＝0，...，t‑1为第k次运行过程中t时刻的模型最优梯度向量的第0，...，t‑1个值，Δu_k(i)＝u_k(i)‑u_k‑1(i)，i＝0，...，t‑1为第k次运行过程中t时刻的电机控制向量与第k‑1次运行过程中t时刻的电机控制向量的差值的第0，...，t‑1个值，α₁，...，α_M为高阶因子，e_k‑1(t+1)，e_k‑2(t+1)，...，e_k‑M+1(t+1)为第k‑1次、k‑2次、…、k‑M+1次运行过程中t+1时刻康复机械手指关节弯曲角度值的误差；所述控制子模块用于根据第k次运行过程中t时刻的控制律控制康复机械手指关节的运动。